Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

USTest	0.01 9	0.02 12	0.00 1	0.14 96	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

TANstereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

XX-TBD	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

MEDIAN_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

AVERAGE_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

HITNet	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
NVstereo2D	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWC_ROB	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCK	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

G2L-ROB	0.03 29	0.06 54	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo_test	0.03 29	0.04 37	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

coex_refinement	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

PSMNet-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

FACV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

IGEV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CoDeX	0.15 117	0.70 217	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 338	0.02 15	0.69 320	0.75 342	0.01 9	0.02 20	0.02 20

coex-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

fast-acv-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CBFPSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

iinet-f	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

SFCPSM	0.17 128	0.78 221	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 356	0.02 15	0.75 330	0.76 344	0.02 20	0.02 20	0.02 20

MFN_U_SF_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MSC_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCMid	0.08 50	0.02 12	0.02 14	1.01 328	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 69	0.09 99	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 83	0.02 12	0.02 14	1.62 417	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 82	0.04 72	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

RYNet	0.02 15	0.02 12	0.02 14	0.03 28	0.03 48	0.03 40	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.03 52	0.03 39	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM0	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

PWCDC_ROB	0.01 9	0.01 9	0.02 14	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

TCMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

TCMNet-wrong-test	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.02 20	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet_1	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

BEATNet_4x	0.11 83	0.03 31	0.03 36	1.60 414	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 77	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 83	0.03 31	0.03 36	1.60 414	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 77	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

AnyNet_C32	0.14 107	0.04 37	0.03 36	2.22 435	0.04 77	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 74	0.02 21	0.07 96	0.04 72	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 77	0.06 86	0.04 77	0.06 88	0.04 78	0.06 90	0.04 85	0.06 91	0.04 81	0.06 82	0.04 72	0.06 55	0.04 45	0.05 81	0.04 75	0.05 86	0.04 76

Wz-Net-TNSev	0.02 15	0.05 49	0.04 43	0.07 47	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 55	0.04 45	0.01 9	0.01 9	0.01 10	0.01 10

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 77	0.05 84	0.90 365	0.06 88	0.04 78	0.05 86	0.04 85	0.05 86	0.04 81	0.05 77	0.04 72	0.05 51	0.04 45	0.05 81	0.04 75	0.05 86	0.05 91

EDNetEfficientorigin	0.04 38	0.06 54	0.04 43	0.05 43	0.04 77	0.05 84	0.04 77	0.05 84	0.04 78	0.05 86	0.04 85	0.05 86	0.04 81	0.05 77	0.04 72	0.05 51	0.03 36	0.06 88	0.03 54	0.04 74	0.03 51

EDNetEfficient	0.04 38	0.05 49	0.04 43	0.04 37	0.03 48	0.04 74	0.03 50	0.04 74	0.03 55	0.04 71	0.03 52	0.04 74	0.03 52	0.04 69	0.03 48	0.05 51	0.03 36	0.05 81	0.03 54	0.04 74	0.03 51

FADNet-RVC-Resample	0.12 92	0.04 37	0.04 43	0.04 37	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.04 85	0.04 74	0.04 81	0.04 69	1.57 462	0.04 44	0.04 45	0.04 71	0.05 90	0.04 74	0.06 96

FADNet_RVC	0.12 92	0.04 37	0.04 43	0.05 43	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.04 85	0.04 74	0.05 88	0.04 69	1.65 466	0.05 51	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

FADNet-RVC	0.13 98	0.04 37	0.04 43	0.04 37	0.04 77	0.04 74	0.05 87	0.04 74	0.04 78	0.04 71	0.05 94	0.04 74	0.05 88	0.04 69	1.71 471	0.04 44	0.04 45	0.04 71	0.04 75	0.07 98	0.04 76

FADNet	0.12 92	0.05 49	0.04 43	0.04 37	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.04 85	0.04 74	0.05 88	0.04 69	1.66 468	0.06 55	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

ADCS	0.09 51	0.02 12	0.04 43	0.90 306	0.06 101	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 121	0.36 257	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCRef	0.12 92	0.03 31	0.04 43	1.71 420	0.04 77	0.03 40	0.03 50	0.04 74	0.04 78	0.04 71	0.03 52	0.04 74	0.03 52	0.06 82	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.03 43	0.04 76

ADCP+	0.15 117	0.04 37	0.04 43	2.20 434	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.05 94	0.04 74	0.04 81	0.08 99	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

ADCPNet	0.10 62	0.03 31	0.04 43	1.27 399	0.03 48	0.04 74	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.04 74	0.03 52	0.08 99	0.04 72	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 77	0.04 74	0.04 77	0.04 74	0.04 78	0.04 71	0.04 85	0.04 74	0.04 81	0.04 69	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
GwcNet	0.12 92	0.07 57	0.05 57	0.08 49	0.05 93	0.08 97	1.20 393	0.07 98	0.05 92	0.05 86	0.05 94	0.08 98	0.05 88	0.08 99	0.03 48	0.07 58	0.05 56	0.06 88	0.05 90	0.07 98	0.05 91

Wz-Net-SNSev	0.03 29	0.09 64	0.07 58	0.09 53	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 66	0.07 57	0.01 9	0.01 9	0.01 10	0.01 10

FINET	0.07 49	0.08 58	0.07 58	0.07 47	0.07 102	0.08 97	0.06 99	0.08 101	0.07 103	0.08 98	0.07 103	0.08 98	0.06 100	0.07 96	0.07 94	0.08 60	0.07 57	0.07 93	0.07 98	0.06 90	0.06 96

AASNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 93	0.06 86	0.05 87	0.05 84	0.06 100	0.06 90	0.06 100	0.05 86	0.06 100	0.06 82	0.05 83	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

SACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 93	0.06 86	0.05 87	0.05 84	0.06 100	0.06 90	0.06 100	0.05 86	0.06 100	0.06 82	0.05 83	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

AACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 93	0.06 86	0.05 87	0.05 84	0.06 100	0.06 90	0.06 100	0.05 86	0.06 100	0.06 82	0.05 83	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

BEATNet-Init1	0.19 133	0.08 58	0.08 60	2.23 436	0.08 104	0.08 97	0.07 102	0.07 98	0.08 105	0.08 98	0.07 103	0.08 98	0.07 104	0.11 115	0.08 96	0.08 60	0.08 59	0.08 95	0.07 98	0.08 100	0.08 99

DeepPrunerF	0.19 133	0.08 58	0.08 60	2.23 436	0.08 104	0.08 97	0.07 102	0.07 98	0.08 105	0.08 98	0.07 103	0.08 98	0.07 104	0.11 115	0.08 96	0.08 60	0.08 59	0.08 95	0.07 98	0.08 100	0.08 99

SMFormer	0.09 51	1.01 266	0.09 65	0.09 53	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 51	0.95 253	0.09 65	0.10 56	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

LRCNet_RVC	0.13 98	0.13 80	0.09 65	0.13 92	0.10 112	0.14 118	0.10 109	0.14 119	0.10 109	0.23 163	0.10 110	0.20 149	0.10 111	0.24 171	0.11 117	0.11 86	0.09 68	0.12 115	0.14 150	0.12 118	0.09 102

DRN-Test	0.14 107	0.13 80	0.09 65	0.14 96	0.09 106	0.15 125	0.09 104	0.14 119	0.10 109	0.14 118	0.09 106	0.14 119	0.09 107	0.13 120	0.09 99	0.12 91	0.09 68	0.12 115	0.09 104	0.12 118	0.73 347

S2M2	0.12 92	0.14 84	0.10 69	0.15 106	0.10 112	0.14 118	0.10 109	0.14 119	0.10 109	0.15 124	0.10 110	0.14 119	0.10 111	0.14 121	0.10 105	0.13 107	0.10 73	0.13 118	0.09 104	0.13 120	0.09 102

test_sample6	0.09 51	0.97 256	0.10 69	0.10 56	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample3	0.09 51	0.87 235	0.10 69	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 51	1.01 266	0.10 69	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

Wz-Net-MNSev	0.06 44	0.54 204	0.10 69	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.11 94	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 189	0.10 69	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.10 73	0.01 9	0.01 9	0.01 10	0.01 10

SepStereo	0.09 51	0.09 64	0.10 69	0.09 53	0.09 106	0.09 101	0.09 104	0.10 103	0.08 105	0.10 102	0.09 106	0.09 102	0.09 107	0.09 102	0.08 96	0.09 66	0.08 59	0.09 100	0.08 102	0.09 103	0.08 99

AnonymousM	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

UNet	0.29 165	0.90 242	0.10 69	0.14 96	0.10 112	0.14 118	0.10 109	0.91 344	0.69 344	0.14 118	0.11 124	0.14 119	0.11 123	0.14 121	0.10 105	0.12 91	0.09 68	0.12 115	0.09 104	0.88 332	0.76 352

PVD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

SHD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

SAMSARA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

XQC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTSC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTS	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTSA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

MADNet+	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

MADNet++	0.10 62	0.10 66	0.10 69	0.10 56	0.10 112	0.10 102	0.10 109	0.10 103	0.10 109	0.10 102	0.10 110	0.10 104	0.10 111	0.10 104	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

StereoDRNet	0.15 117	0.14 84	0.10 69	0.14 96	0.09 106	0.15 125	0.09 104	0.14 119	0.09 108	0.14 118	0.10 110	0.14 119	0.09 107	0.14 121	0.09 99	0.13 107	0.10 73	0.13 118	0.09 104	0.13 120	0.82 358

ELAS_RVC	0.14 107	0.16 86	0.10 69	0.15 106	0.10 112	0.18 144	0.11 122	0.19 144	0.11 124	0.19 143	0.12 134	0.18 143	0.11 123	0.19 145	0.12 131	0.14 114	0.08 59	0.14 120	0.09 104	0.15 132	0.09 102
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
test_sample7	0.09 51	1.00 260	0.11 89	0.11 73	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 108	0.03 38	0.03 54	0.03 43	0.03 51

test_sample5	0.10 62	1.07 279	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 74	0.03 51

test_sample2	0.09 51	1.03 272	0.11 89	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

testlalala2	0.13 98	0.16 86	0.11 89	0.15 106	0.11 127	0.16 133	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 130	0.11 123	0.16 131	0.11 117	0.14 114	0.11 94	0.14 120	0.11 123	0.14 122	0.11 119

JetRed	0.11 83	0.12 79	0.11 89	0.11 73	0.11 127	0.11 113	0.14 142	0.11 115	0.11 124	0.12 116	0.11 124	0.11 114	0.11 123	0.11 115	0.11 117	0.11 86	0.16 140	0.11 112	0.11 123	0.11 114	0.11 119

DualNet	0.10 62	1.07 279	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 74	0.03 51

testlalala_base	0.13 98	0.16 86	0.11 89	0.15 106	0.11 127	0.15 125	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 130	0.11 123	0.16 131	0.11 117	0.14 114	0.11 94	0.14 120	0.11 123	0.14 122	0.11 119

ICVP	0.15 117	0.53 201	0.11 89	0.16 116	0.11 127	0.16 133	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 130	0.11 123	0.16 131	0.11 117	0.16 130	0.11 94	0.16 136	0.11 123	0.16 136	0.11 119
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
aanetorigin	0.13 98	0.11 77	0.11 89	0.11 73	0.11 127	0.11 113	0.11 122	0.11 115	0.11 124	0.11 114	0.12 134	0.11 114	0.11 123	0.11 115	0.11 117	0.11 86	0.11 94	0.14 120	0.11 123	0.49 277	0.11 119

SGM_RVC	0.15 117	0.17 92	0.11 89	0.18 125	0.11 127	0.19 147	0.11 122	0.19 144	0.12 142	0.19 143	0.12 134	0.20 149	0.12 139	0.19 145	0.12 131	0.16 130	0.11 94	0.17 143	0.10 111	0.17 141	0.10 107
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ELAS	0.13 98	0.16 86	0.11 89	0.15 106	0.09 106	0.18 144	0.11 122	0.18 142	0.11 124	0.17 138	0.11 124	0.18 143	0.11 123	0.18 142	0.11 117	0.14 114	0.08 59	0.14 120	0.08 102	0.14 122	0.09 102
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DualNet (step1)	0.10 62	1.05 276	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 108	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 62	1.05 276	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 108	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 62	1.05 276	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 108	0.03 38	0.03 54	0.03 43	0.03 51

test_sample4	0.10 62	1.03 272	0.12 100	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 132	0.03 38	0.03 54	0.03 43	0.03 51

test_sample1	0.09 51	0.87 235	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 71	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

JetBlue	0.11 83	0.11 77	0.12 100	0.13 92	0.14 147	0.11 113	0.11 122	0.11 115	0.11 124	0.11 114	0.11 124	0.11 114	0.11 123	0.12 119	0.12 131	0.11 86	0.11 94	0.11 112	0.11 123	0.11 114	0.11 119

mmm	0.14 107	1.83 365	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.04 78	0.03 40	0.03 52	0.03 42	0.03 52	0.06 82	0.04 72	0.12 91	0.11 94	0.05 81	0.04 75	0.05 86	0.04 76

ffm	0.25 151	3.83 464	0.12 100	0.12 79	0.05 93	0.06 86	0.05 87	0.06 88	0.05 92	0.03 40	0.03 52	0.06 91	0.05 88	0.06 82	0.05 83	0.12 91	0.12 108	0.05 81	0.04 75	0.06 90	0.04 76

ff1	0.25 151	3.83 464	0.12 100	0.12 79	0.05 93	0.06 86	0.05 87	0.06 88	0.05 92	0.03 40	0.03 52	0.06 91	0.05 88	0.06 82	0.05 83	0.12 91	0.12 108	0.05 81	0.04 75	0.06 90	0.04 76

mmx	0.25 151	3.83 464	0.12 100	0.12 79	0.05 93	0.06 86	0.05 87	0.06 88	0.05 92	0.03 40	0.03 52	0.06 91	0.05 88	0.06 82	0.05 83	0.12 91	0.12 108	0.05 81	0.04 75	0.06 90	0.04 76

ttt	0.10 62	1.09 281	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 108	0.03 38	0.02 20	0.03 43	0.02 20

GASNet	0.05 41	0.04 37	0.12 100	0.04 37	0.04 77	0.04 74	0.05 87	0.04 74	0.04 78	0.12 116	0.04 85	0.06 91	0.04 81	0.04 69	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

qqq	0.16 125	2.01 382	0.12 100	0.15 106	0.04 77	0.06 86	0.05 87	0.06 88	0.04 78	0.06 90	0.03 52	0.06 91	0.03 52	0.06 82	0.03 48	0.12 91	0.14 135	0.04 71	0.04 75	0.03 43	0.03 51

CIPLG	0.13 98	0.21 105	0.12 100	0.16 116	0.11 127	0.15 125	0.11 122	0.14 119	0.11 124	0.15 124	0.12 134	0.15 129	0.11 123	0.14 121	0.11 117	0.15 123	0.12 108	0.14 120	0.11 123	0.14 122	0.11 119

IPLGR_C	0.14 107	0.20 99	0.12 100	0.15 106	0.11 127	0.14 118	0.15 147	0.14 119	0.11 124	0.15 124	0.12 134	0.14 119	0.11 123	0.16 131	0.11 117	0.15 123	0.12 108	0.14 120	0.12 139	0.15 132	0.12 134

222	0.10 62	0.99 259	0.12 100	0.13 92	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 108	0.03 38	0.02 20	0.04 74	0.03 51

cf-r	0.66 289	2.17 392	0.12 100	0.18 125	0.12 142	0.18 144	2.70 504	2.60 480	0.12 142	0.18 141	0.12 134	0.18 143	0.12 139	0.18 142	0.12 131	0.15 123	0.11 94	0.15 133	0.11 123	1.81 439	1.74 483

HSM	0.14 107	0.16 86	0.12 100	0.17 124	0.12 142	0.17 141	0.11 122	0.17 140	0.11 124	0.17 138	0.12 134	0.17 140	0.12 139	0.17 140	0.12 131	0.16 130	0.11 94	0.16 136	0.11 123	0.16 136	0.12 134

LALA_ROB	0.15 117	0.19 95	0.12 100	0.18 125	0.11 127	0.20 152	0.12 137	0.21 155	0.12 142	0.20 148	0.12 134	0.20 149	0.12 139	0.21 159	0.13 137	0.17 137	0.10 73	0.18 152	0.11 123	0.18 145	0.11 119

ITSA-stereo	0.15 117	0.17 92	0.13 119	0.20 130	0.13 145	0.19 147	0.13 140	0.18 142	0.13 145	0.19 143	0.13 146	0.18 143	0.14 148	0.18 142	0.14 141	0.16 130	0.11 94	0.15 133	0.14 150	0.18 145	0.11 119

11t1	0.17 128	2.16 391	0.13 119	0.13 92	0.04 77	0.06 86	0.04 77	0.06 88	0.04 78	0.06 90	0.03 52	0.06 91	0.03 52	0.06 82	0.05 83	0.18 145	0.12 108	0.06 88	0.03 54	0.05 86	0.03 51

1111x	0.10 62	1.14 286	0.13 119	0.14 96	0.03 48	0.04 74	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 94	0.03 38	0.02 20	0.03 43	0.02 20

test_xeample	0.10 62	1.09 281	0.13 119	0.12 79	0.03 48	0.03 40	0.03 50	0.04 74	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 135	0.03 38	0.03 54	0.03 43	0.03 51

DeepPruner_ROB	0.16 125	0.18 94	0.13 119	0.19 128	0.13 145	0.19 147	0.13 140	0.19 144	0.13 145	0.19 143	0.13 146	0.19 147	0.13 144	0.19 145	0.13 137	0.18 145	0.13 132	0.18 152	0.13 147	0.18 145	0.13 140

DDVS	0.30 166	3.10 445	0.14 124	0.19 128	0.14 147	0.19 147	0.14 142	0.20 149	0.14 147	0.19 143	0.13 146	0.16 130	0.13 144	0.19 145	0.13 137	0.17 137	0.13 132	0.17 143	0.13 147	0.17 141	0.13 140

qqq1	0.25 151	3.70 458	0.14 124	0.14 96	0.04 77	0.06 86	0.05 87	0.06 88	0.05 92	0.06 90	0.05 94	0.04 74	0.05 88	0.06 82	0.05 83	0.13 107	0.12 108	0.06 88	0.05 90	0.03 43	0.04 76

fff1	0.25 151	3.70 458	0.14 124	0.14 96	0.04 77	0.06 86	0.05 87	0.06 88	0.05 92	0.06 90	0.05 94	0.04 74	0.05 88	0.06 82	0.05 83	0.13 107	0.12 108	0.06 88	0.05 90	0.03 43	0.04 76

ProNet	0.14 107	0.20 99	0.14 124	0.16 116	0.11 127	0.16 133	0.11 122	0.17 140	0.11 124	0.17 138	0.12 134	0.17 140	0.13 144	0.17 140	0.12 131	0.15 123	0.11 94	0.16 136	0.11 123	0.15 132	0.12 134

IPLG	0.13 98	0.20 99	0.14 124	0.15 106	0.11 127	0.14 118	0.11 122	0.14 119	0.11 124	0.14 118	0.11 124	0.14 119	0.11 123	0.14 121	0.11 117	0.15 123	0.12 108	0.14 120	0.11 123	0.14 122	0.11 119

IPLGR	0.14 107	0.24 117	0.14 124	0.16 116	0.12 142	0.15 125	0.12 137	0.14 119	0.11 124	0.15 124	0.12 134	0.14 119	0.11 123	0.14 121	0.11 117	0.15 123	0.12 108	0.14 120	0.11 123	0.14 122	0.11 119

ACRE	0.13 98	0.21 105	0.14 124	0.15 106	0.11 127	0.14 118	0.11 122	0.14 119	0.11 124	0.14 118	0.12 134	0.14 119	0.11 123	0.14 121	0.11 117	0.15 123	0.12 108	0.14 120	0.11 123	0.14 122	0.11 119

GMStereo	0.14 107	0.13 80	0.14 124	0.14 96	0.14 147	0.14 118	0.14 142	0.14 119	0.14 147	0.14 118	0.14 151	0.14 119	0.14 148	0.14 121	0.14 141	0.14 114	0.14 135	0.14 120	0.14 150	0.14 122	0.14 145
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.20 135	0.19 95	0.14 124	0.20 130	0.14 147	0.20 152	0.96 372	0.21 155	0.14 147	0.20 148	0.13 146	0.21 156	0.14 148	0.20 149	0.14 141	0.17 137	0.12 108	0.17 143	0.12 139	0.17 141	0.12 134

acv_ft	0.20 135	0.19 95	0.14 124	0.20 130	0.14 147	0.20 152	0.96 372	0.21 155	0.14 147	0.20 148	0.13 146	0.21 156	0.14 148	0.20 149	0.14 141	0.17 137	0.12 108	0.17 143	0.12 139	0.17 141	0.12 134

hitnet-ft	0.79 315	2.78 440	0.14 124	0.20 130	0.14 147	0.21 159	2.89 505	2.80 494	0.14 147	0.20 148	0.14 151	0.20 149	0.14 148	0.20 149	0.14 141	0.17 137	0.12 108	0.17 143	0.12 139	2.54 480	2.33 501

GANet-RSSM	0.75 306	1.91 374	0.14 124	0.47 232	0.14 147	0.21 159	3.21 521	2.30 468	0.14 147	0.46 263	0.14 151	0.23 166	0.18 169	0.21 159	0.14 141	0.18 145	0.27 186	0.37 234	0.13 147	2.13 448	2.12 494

PSMNet-RSSM	0.77 311	2.76 436	0.14 124	0.20 130	0.14 147	0.20 152	2.66 502	2.79 493	0.14 147	0.21 157	0.14 151	0.21 156	0.14 148	0.20 149	0.14 141	0.17 137	0.12 108	0.17 143	0.12 139	2.52 471	2.31 499

GwcNet-RSSM	0.77 311	2.77 438	0.14 124	0.20 130	0.14 147	0.20 152	2.67 503	2.78 492	0.14 147	0.20 148	0.14 151	0.20 149	0.14 148	0.21 159	0.14 141	0.17 137	0.12 108	0.17 143	0.12 139	2.52 471	2.31 499

CFNet-ft	0.55 275	1.57 355	0.14 124	0.20 130	0.14 147	0.20 152	2.53 501	1.61 436	0.14 147	0.20 148	0.14 151	0.20 149	0.14 148	0.20 149	0.14 141	0.17 137	0.12 108	0.17 143	0.12 139	1.56 427	1.24 447

x	0.11 83	1.15 288	0.15 139	0.14 96	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 138	0.03 38	0.03 54	0.03 43	0.03 51

xyz-stereo-finetune2	0.18 131	0.48 183	0.16 140	0.16 116	0.15 158	0.15 125	0.16 150	0.16 132	0.16 159	0.16 129	0.16 160	0.16 130	0.16 158	0.16 131	0.16 157	0.16 130	0.16 140	0.16 136	0.16 155	0.16 136	0.16 146

xyz-stereo-finetune	0.28 161	0.49 185	0.16 140	0.16 116	0.16 165	0.16 133	0.16 150	0.22 159	0.30 228	0.32 193	0.31 235	0.32 198	0.31 235	0.32 199	0.32 229	0.32 195	0.33 221	0.31 197	0.32 247	0.31 184	0.32 234

xyz-stereo	0.18 131	0.50 189	0.16 140	0.15 106	0.16 165	0.16 133	0.16 150	0.16 132	0.16 159	0.16 129	0.16 160	0.16 130	0.16 158	0.16 131	0.16 157	0.16 130	0.16 140	0.16 136	0.16 155	0.16 136	0.16 146

GMStereo_Zeroshot	0.16 125	0.16 86	0.16 140	0.16 116	0.16 165	0.16 133	0.16 150	0.16 132	0.16 159	0.16 129	0.16 160	0.16 130	0.16 158	0.16 131	0.16 157	0.16 130	0.16 140	0.16 136	0.16 155	0.16 136	0.16 146

dd	0.23 148	0.98 257	0.16 140	0.23 141	0.15 158	0.23 167	0.15 147	0.23 163	0.15 157	0.23 163	0.15 159	0.24 170	0.17 162	0.23 167	0.15 151	0.22 155	0.15 138	0.21 158	0.15 154	0.22 157	0.16 146

dad	0.23 148	1.03 272	0.16 140	0.23 141	0.15 158	0.24 168	0.15 147	0.24 166	0.16 159	0.23 163	0.16 160	0.24 170	0.16 158	0.23 167	0.15 151	0.22 155	0.16 140	0.22 163	0.16 155	0.22 157	0.16 146

xxxx	0.11 83	1.16 289	0.16 140	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 140	0.03 38	0.04 75	0.04 74	0.04 76

MIPNet	0.14 107	0.21 105	0.17 147	0.16 116	0.11 127	0.15 125	0.12 137	0.14 119	0.11 124	0.16 129	0.11 124	0.14 119	0.11 123	0.14 121	0.11 117	0.14 114	0.12 108	0.14 120	0.11 123	0.14 122	0.11 119

MMNet	0.44 239	1.24 344	0.17 147	0.25 151	0.17 168	0.25 175	0.18 161	1.26 424	0.93 373	0.25 172	0.17 165	0.25 175	0.18 169	0.25 176	0.17 160	0.23 166	0.16 140	0.23 169	0.16 155	1.20 368	0.99 372

delet	0.43 235	1.21 340	0.17 147	0.25 151	0.17 168	0.25 175	0.18 161	1.26 424	0.95 375	0.25 172	0.17 165	0.25 175	0.17 162	0.25 176	0.17 160	0.23 166	0.16 140	0.22 163	0.16 155	1.18 365	0.98 371

psm_up	0.43 235	1.19 293	0.17 147	0.25 151	0.18 175	0.25 175	0.19 165	1.26 424	0.91 368	0.26 179	0.17 165	0.25 175	0.17 162	0.25 176	0.17 160	0.22 155	0.17 155	0.23 169	0.16 155	1.18 365	0.99 372

UPFNet	0.42 234	1.20 294	0.17 147	0.24 146	0.17 168	0.25 175	0.17 155	1.19 372	0.90 367	0.25 172	0.17 165	0.24 170	0.17 162	0.25 176	0.17 160	0.22 155	0.17 155	0.22 163	0.16 155	1.15 357	0.93 367

test_for_model	0.15 117	0.23 110	0.18 152	0.21 138	0.11 127	0.16 133	0.11 122	0.16 132	0.11 124	0.16 129	0.11 124	0.16 130	0.11 123	0.16 131	0.11 117	0.21 152	0.18 161	0.14 120	0.11 123	0.14 122	0.11 119

iResNetv2_ROB	0.20 135	0.23 110	0.18 152	0.24 146	0.20 181	0.24 168	0.18 161	0.24 166	0.18 166	0.24 168	0.18 175	0.23 166	0.19 174	0.24 171	0.18 169	0.21 152	0.16 140	0.21 158	0.16 155	0.22 157	0.16 146

iResNet	0.20 135	0.23 110	0.18 152	0.24 146	0.18 175	0.24 168	0.20 168	0.24 166	0.18 166	0.23 163	0.17 165	0.23 166	0.18 169	0.23 167	0.18 169	0.22 155	0.16 140	0.21 158	0.16 155	0.21 155	0.16 146

Pointernet	0.21 141	0.22 109	0.19 155	0.24 146	0.19 179	0.24 168	0.19 165	0.24 166	0.19 172	0.24 168	0.19 176	0.24 170	0.19 174	0.24 171	0.19 172	0.22 155	0.17 155	0.22 163	0.17 173	0.22 157	0.17 158

ac_64	0.22 144	0.13 80	0.19 155	0.23 141	0.10 112	0.26 182	1.02 380	0.14 119	0.10 109	0.28 182	0.14 151	0.17 140	0.19 174	0.28 191	0.09 99	0.22 155	0.16 140	0.23 169	0.17 173	0.11 114	0.12 134

CFNet	1.37 423	5.27 488	0.19 155	5.49 515	0.19 179	0.28 186	0.19 165	0.28 179	0.19 172	0.28 182	0.19 176	0.28 186	4.35 525	0.28 191	0.19 172	0.23 166	0.17 155	0.23 169	4.21 534	4.81 511	0.17 158

Wz-Net-LNSev	0.06 44	0.24 117	0.20 158	0.23 141	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 166	0.21 167	0.02 18	0.01 9	0.01 10	0.01 10

DAS	0.20 135	0.20 99	0.20 158	0.20 130	0.20 181	0.20 152	0.20 168	0.20 149	0.20 174	0.20 148	0.20 180	0.20 149	0.20 178	0.20 149	0.20 175	0.20 148	0.20 164	0.20 156	0.20 178	0.20 152	0.20 165

GEStereo_RVC	0.86 335	4.45 475	0.20 158	0.27 160	0.20 181	0.27 185	0.20 168	0.26 176	0.18 166	5.03 528	0.20 180	0.27 185	0.19 174	0.27 189	0.21 177	0.20 148	0.19 162	0.19 155	4.02 532	0.20 152	0.18 162

tg	0.21 141	0.25 119	0.21 161	0.26 158	0.17 168	0.24 168	0.17 155	0.24 166	0.17 164	0.24 168	0.17 165	0.24 170	0.17 162	0.24 171	0.17 160	0.24 171	0.17 155	0.23 169	0.16 155	0.23 166	0.16 146

CAS++	0.17 128	0.27 121	0.21 161	0.10 56	0.21 187	0.15 125	0.22 178	0.10 103	0.21 176	0.22 159	0.10 110	0.19 147	0.18 169	0.10 104	0.19 172	0.20 148	0.19 162	0.18 152	0.10 111	0.19 151	0.18 162
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DCVSM-stereo	0.36 195	1.89 371	0.22 163	0.40 203	0.22 189	0.40 228	0.22 178	0.40 222	0.22 179	0.40 223	0.22 185	0.40 232	0.22 183	0.40 232	0.22 179	0.28 183	0.21 167	0.28 186	0.21 179	0.28 175	0.20 165

WAO-6	0.22 144	0.23 110	0.22 163	0.23 141	0.22 189	0.22 161	0.22 178	0.22 159	0.22 179	0.22 159	0.22 185	0.22 162	0.22 183	0.22 163	0.22 179	0.22 155	0.22 171	0.22 163	0.22 182	0.22 157	0.22 170

HGLStereo	0.28 161	0.29 126	0.22 163	0.36 179	0.22 189	0.36 211	0.21 173	0.36 202	0.21 176	0.42 248	0.21 184	0.36 213	0.22 183	0.36 215	0.21 177	0.34 201	0.21 167	0.34 213	0.21 179	0.34 196	0.21 167

IMH-64-1	0.22 144	0.23 110	0.23 166	0.22 139	0.22 189	0.22 161	0.22 178	0.22 159	0.22 179	0.22 159	0.22 185	0.22 162	0.22 183	0.22 163	0.22 179	0.22 155	0.22 171	0.23 169	0.22 182	0.22 157	0.23 172

IMH-64	0.22 144	0.23 110	0.23 166	0.22 139	0.22 189	0.22 161	0.22 178	0.22 159	0.22 179	0.22 159	0.22 185	0.22 162	0.22 183	0.22 163	0.22 179	0.22 155	0.22 171	0.23 169	0.22 182	0.22 157	0.23 172

xxxxx1	0.31 171	0.91 244	0.23 166	0.31 166	0.23 194	0.31 192	0.23 185	0.33 191	0.25 192	0.31 188	0.24 195	0.33 201	0.25 195	0.32 199	0.24 189	0.28 183	0.28 191	0.28 186	0.28 217	0.29 178	0.27 197

tt_ll	0.31 171	0.91 244	0.23 166	0.31 166	0.23 194	0.31 192	0.23 185	0.33 191	0.25 192	0.31 188	0.24 195	0.33 201	0.25 195	0.32 199	0.24 189	0.28 183	0.28 191	0.28 186	0.28 217	0.29 178	0.27 197

ff	0.31 171	0.91 244	0.23 166	0.31 166	0.23 194	0.31 192	0.23 185	0.33 191	0.25 192	0.31 188	0.24 195	0.33 201	0.25 195	0.32 199	0.24 189	0.28 183	0.28 191	0.28 186	0.28 217	0.29 178	0.27 197

GMOStereo	0.37 200	0.45 169	0.23 166	0.30 163	0.37 269	0.41 244	0.36 257	0.41 237	0.35 253	0.43 254	0.36 263	0.41 244	0.40 272	0.41 246	0.36 257	0.34 201	0.22 171	0.47 294	0.37 273	0.39 233	0.33 241

WCG-NET（raft）	0.32 179	1.24 344	0.24 172	0.32 169	0.24 199	0.32 200	0.23 185	0.32 188	0.24 187	0.32 193	0.24 195	0.32 198	0.24 192	0.32 199	0.24 189	0.30 191	0.23 175	0.30 193	0.23 187	0.30 181	0.23 172

tt1	0.31 171	0.93 251	0.24 172	0.33 172	0.23 194	0.31 192	0.24 190	0.32 188	0.24 187	0.32 193	0.23 189	0.32 198	0.25 195	0.32 199	0.24 189	0.27 181	0.26 181	0.27 184	0.26 206	0.27 173	0.27 197

iResNet_ROB	0.28 161	0.32 129	0.24 172	0.32 169	0.25 201	0.32 200	0.24 190	0.32 188	0.24 187	0.33 198	0.24 195	0.35 207	0.24 192	0.33 205	0.24 189	0.31 194	0.24 177	0.32 198	0.24 195	0.32 186	0.24 182

ACV-stereo	0.30 166	2.08 384	0.25 175	0.25 151	0.18 175	0.24 168	0.17 155	0.24 166	0.18 166	0.24 168	0.17 165	0.25 175	0.17 162	0.24 171	0.17 160	0.22 155	0.16 140	0.22 163	0.16 155	0.22 157	0.16 146

UNDER WATER-64	0.25 151	0.26 120	0.25 175	0.26 158	0.25 201	0.25 175	0.25 193	0.25 172	0.25 192	0.25 172	0.25 201	0.25 175	0.25 195	0.26 186	0.25 195	0.25 177	0.25 178	0.25 177	0.25 200	0.25 168	0.25 183

LoS_RVC	0.30 166	1.14 286	0.25 175	0.25 151	0.25 201	0.26 182	0.25 193	0.25 172	0.25 192	0.25 172	0.25 201	0.26 184	0.26 204	0.26 186	0.25 195	0.26 178	0.26 181	0.25 177	0.25 200	0.26 170	0.26 189

CAS	0.30 166	1.17 290	0.25 175	0.25 151	0.25 201	0.26 182	0.25 193	0.25 172	0.26 205	0.25 172	0.25 201	0.25 175	0.25 195	0.25 176	0.25 195	0.26 178	0.26 181	0.26 180	0.25 200	0.26 170	0.25 183

LoS	0.25 151	0.27 121	0.25 175	0.25 151	0.25 201	0.25 175	0.25 193	0.26 176	0.25 192	0.25 172	0.25 201	0.25 175	0.25 195	0.25 176	0.25 195	0.26 178	0.25 178	0.25 177	0.26 206	0.26 170	0.25 183
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CroCo-Stereo	0.73 304	1.22 343	0.25 175	1.22 395	0.25 201	1.22 428	0.25 193	1.22 421	0.25 192	1.22 429	0.25 201	1.22 432	0.25 195	1.22 432	0.25 195	1.22 414	0.26 181	1.21 436	0.25 200	1.22 415	0.25 183
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
StereoDRNet-Refined	0.33 182	0.39 146	0.26 181	0.39 190	0.26 209	0.40 228	0.26 201	0.40 222	0.26 205	0.39 218	0.26 207	0.39 225	0.26 204	0.39 229	0.26 200	0.37 218	0.25 178	0.37 234	0.25 200	0.37 217	0.37 258
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
model_zeroshot	0.27 160	0.20 99	0.27 182	0.33 172	0.21 187	0.37 216	0.22 178	0.37 208	0.24 187	0.26 179	0.27 211	0.33 201	0.21 182	0.25 176	0.27 201	0.32 195	0.20 164	0.34 213	0.23 187	0.25 168	0.26 189

Any-RAFT	0.32 179	0.36 135	0.27 182	0.36 179	0.27 211	0.36 211	0.27 204	0.36 202	0.27 210	0.36 207	0.27 211	0.36 213	0.27 212	0.36 215	0.28 207	0.36 214	0.28 191	0.36 231	0.28 217	0.36 215	0.28 210

DGSMNet	0.34 184	0.41 155	0.27 182	0.41 213	0.28 214	0.41 244	0.28 209	0.41 237	0.27 210	0.41 236	0.27 211	0.42 260	0.27 212	0.41 246	0.28 207	0.40 238	0.29 200	0.40 256	0.28 217	0.40 238	0.27 197

MLCV	0.31 171	0.35 132	0.27 182	0.35 175	0.28 214	0.35 208	0.27 204	0.35 198	0.28 213	0.36 207	0.27 211	0.35 207	0.27 212	0.35 209	0.27 201	0.34 201	0.27 186	0.34 213	0.27 213	0.34 196	0.27 197

SQANet	0.28 161	0.28 124	0.28 186	0.28 161	0.28 214	0.28 186	0.28 209	0.28 179	0.28 213	0.28 182	0.28 217	0.28 186	0.28 218	0.28 191	0.28 207	0.28 183	0.28 191	0.28 186	0.28 217	0.28 175	0.28 210

DN-CSS_ROB	0.31 171	0.35 132	0.28 186	0.35 175	0.28 214	0.34 204	0.27 204	0.34 195	0.25 192	0.35 204	0.27 211	0.36 213	0.26 204	0.34 207	0.28 207	0.35 210	0.28 191	0.34 213	0.28 217	0.34 196	0.27 197

CroCo-Stereo Lap2	0.77 311	1.29 346	0.29 188	1.27 399	0.29 221	1.27 431	0.26 201	1.26 424	0.26 205	1.26 430	0.26 207	1.27 434	0.26 204	1.26 433	0.27 201	1.27 416	0.27 186	1.27 439	0.27 213	1.27 417	0.27 197

PML	0.46 244	1.36 351	0.29 188	0.58 267	0.30 230	0.57 319	0.29 216	0.57 305	0.29 218	0.57 314	0.29 221	0.57 318	0.29 224	0.56 312	0.29 217	0.52 293	0.30 208	0.53 320	0.31 242	0.53 293	0.30 225

GES	0.66 289	2.34 409	0.29 188	0.41 213	0.29 221	0.41 244	0.29 216	0.42 253	0.29 218	0.40 223	0.41 287	0.41 244	0.30 230	0.51 302	0.29 217	0.32 195	0.29 200	0.32 198	2.46 505	2.49 466	0.30 225

UCFNet_RVC	2.75 496	10.06 526	0.29 188	10.31 542	0.29 221	0.42 262	0.29 216	0.43 257	0.29 218	0.42 248	0.29 221	0.42 260	9.87 542	0.43 261	0.29 217	0.36 214	9.84 542	0.36 231	0.26 206	9.77 541	0.26 189

IGEV++	0.34 184	0.43 163	0.30 192	0.40 203	0.29 221	0.40 228	0.29 216	0.40 222	0.29 218	0.40 223	0.29 221	0.40 232	0.29 224	0.40 232	0.30 224	0.38 225	0.29 200	0.37 234	0.29 226	0.37 217	0.29 215

TorneroNet-64	0.45 241	0.27 121	0.30 192	0.58 267	0.27 211	0.70 332	0.30 221	0.28 179	0.73 354	0.73 334	0.28 217	0.71 334	0.66 337	0.75 338	0.27 201	0.27 181	0.29 200	0.37 234	0.75 358	0.28 175	0.30 225

ACVNet-DCA	0.37 200	1.00 260	0.30 192	0.40 203	0.29 221	0.40 228	0.29 216	0.40 222	0.29 218	0.40 223	0.29 221	0.40 232	0.29 224	0.39 229	0.28 207	0.33 198	0.32 214	0.33 206	0.32 247	0.33 192	0.32 234

1test111	0.37 200	1.02 270	0.30 192	0.39 190	0.29 221	0.40 228	0.28 209	0.39 217	0.29 218	0.39 218	0.29 221	0.39 225	0.28 218	0.40 232	0.29 217	0.33 198	0.32 214	0.33 206	0.31 242	0.32 186	0.31 230

cc1	0.37 200	1.02 270	0.30 192	0.39 190	0.29 221	0.40 228	0.28 209	0.39 217	0.29 218	0.39 218	0.29 221	0.39 225	0.28 218	0.40 232	0.29 217	0.33 198	0.32 214	0.33 206	0.31 242	0.32 186	0.31 230

DANet	0.30 166	0.30 127	0.30 192	0.30 163	0.30 230	0.30 189	0.30 221	0.30 185	0.30 228	0.30 186	0.30 232	0.30 194	0.30 230	0.30 196	0.30 224	0.30 191	0.30 208	0.30 193	0.30 236	0.30 181	0.30 225
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xx1	0.38 206	1.03 272	0.31 198	0.40 203	0.31 234	0.41 244	0.28 209	0.40 222	0.29 218	0.40 223	0.29 221	0.40 232	0.29 224	0.40 232	0.29 217	0.34 201	0.33 221	0.34 213	0.32 247	0.34 196	0.32 234

testlalala	0.32 179	0.81 227	0.31 198	0.39 190	0.26 209	0.33 202	0.24 190	0.33 191	0.26 205	0.32 193	0.26 207	0.33 201	0.23 189	0.33 205	0.23 185	0.35 210	0.31 212	0.30 193	0.24 195	0.31 184	0.21 167

iRaft-Stereo_5w	0.34 184	0.42 162	0.31 198	0.39 190	0.30 230	0.38 220	0.30 221	0.40 222	0.29 218	0.40 223	0.37 269	0.41 244	0.34 249	0.38 221	0.30 224	0.34 201	0.27 186	0.34 213	0.26 206	0.34 196	0.26 189

iRaft-Stereo_20w	0.34 184	0.41 155	0.31 198	0.39 190	0.29 221	0.40 228	0.32 226	0.41 237	0.32 235	0.38 213	0.30 232	0.39 225	0.30 230	0.38 221	0.32 229	0.35 210	0.27 186	0.34 213	0.27 213	0.34 196	0.29 215

GCAP-BAT	0.33 182	0.78 221	0.32 202	0.38 185	0.25 201	0.34 204	0.25 193	0.34 195	0.26 205	0.34 200	0.25 201	0.35 207	0.26 204	0.35 209	0.27 201	0.36 214	0.30 208	0.32 198	0.24 195	0.32 186	0.26 189

PCWNet_CMD	2.80 498	9.82 524	0.32 202	10.09 541	0.32 236	0.49 290	0.33 235	3.34 500	0.33 241	0.49 283	0.33 243	0.49 287	8.73 538	0.48 283	0.33 237	0.41 246	9.22 537	0.42 280	0.29 226	9.55 540	0.31 230

CFNet_pseudo	2.67 494	9.36 521	0.32 202	10.99 543	0.33 247	0.85 345	0.33 235	0.49 277	0.33 241	0.49 283	0.32 237	0.49 287	7.26 536	0.49 289	0.33 237	0.41 246	9.62 540	0.41 269	0.29 226	10.03 542	0.29 215

Gwc-CoAtRS	0.41 225	1.49 353	0.32 202	0.42 221	0.32 236	0.41 244	0.32 226	0.41 237	0.33 241	0.41 236	0.32 237	0.41 244	0.32 237	0.41 246	0.32 229	0.39 234	0.28 191	0.39 251	0.28 217	0.40 238	0.28 210

ccs_rob	2.79 497	10.17 528	0.32 202	10.00 540	0.33 247	0.49 290	0.33 235	1.90 445	0.32 235	0.51 299	0.33 243	0.49 287	9.24 541	0.49 289	0.33 237	0.41 246	9.82 541	0.41 269	0.28 217	9.34 539	0.29 215

fffy	0.38 206	0.43 163	0.33 207	0.46 226	0.33 247	0.45 269	0.32 226	0.45 259	0.32 235	0.45 259	0.32 237	0.45 266	0.33 244	0.45 266	0.32 229	0.38 225	0.38 236	0.38 241	0.37 273	0.37 217	0.36 254

CFNet_ucs	2.73 495	9.64 523	0.33 207	9.92 539	0.32 236	0.49 290	0.33 235	0.49 277	0.33 241	0.49 283	0.33 243	0.49 287	8.98 540	0.48 283	0.33 237	0.41 246	9.96 543	0.40 256	0.29 226	10.12 543	0.54 318

RAFT-Test	0.36 195	0.37 137	0.33 207	0.41 213	0.32 236	0.41 244	0.32 226	0.41 237	0.32 235	0.41 236	0.32 237	0.41 244	0.32 237	0.41 246	0.33 237	0.37 218	0.29 200	0.37 234	0.29 226	0.38 226	0.31 230

Wz-Net-LNSev-Ref	0.11 83	0.44 166	0.33 207	0.39 190	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 234	0.36 228	0.02 18	0.02 20	0.02 20	0.02 20

pcwnet_v2	2.66 493	9.89 525	0.33 207	9.89 538	0.32 236	0.50 298	0.32 226	0.49 277	0.33 241	0.49 283	0.34 251	0.49 287	8.76 539	0.48 283	0.33 237	0.41 246	9.58 539	0.40 256	0.29 226	9.01 538	0.63 332

ccnet	0.80 317	2.28 401	0.33 207	0.50 249	0.33 247	0.50 298	0.33 235	0.50 285	0.33 241	0.49 283	0.33 243	0.49 287	1.56 453	2.38 469	0.33 237	0.41 246	0.29 200	0.42 280	1.57 465	2.28 454	0.29 215

psmorigin	0.41 225	0.46 173	0.33 207	0.49 242	0.33 247	0.49 290	0.33 235	0.49 277	0.33 241	0.49 283	0.33 243	0.49 287	0.33 244	0.51 302	0.33 237	0.41 246	0.30 208	0.41 269	0.30 236	0.79 320	0.29 215

MSMDNet	2.65 492	10.14 527	0.33 207	9.74 537	0.32 236	0.87 347	0.33 235	2.95 496	0.68 341	0.49 283	0.34 251	0.49 287	5.70 532	0.49 289	0.33 237	0.42 260	9.57 538	0.41 269	0.31 242	8.36 535	0.65 334

HART	0.38 206	0.45 169	0.34 215	0.42 221	0.33 247	0.41 244	0.34 246	0.42 253	0.33 241	0.43 254	0.34 251	0.42 260	0.34 249	0.41 246	0.38 268	0.40 238	0.32 214	0.42 280	0.32 247	0.40 238	0.32 234

PAM	0.39 214	1.88 370	0.34 215	0.37 182	0.41 290	0.45 269	0.22 178	0.28 179	0.23 185	0.28 182	0.24 195	0.29 191	0.23 189	0.29 194	0.23 185	0.38 225	0.32 214	0.38 241	0.37 273	0.32 186	0.22 170

RAFT-Stereo-weight	0.45 241	1.90 373	0.34 215	0.42 221	0.36 266	0.43 266	0.35 251	0.42 253	0.34 250	0.42 248	0.34 251	0.44 264	0.34 249	0.41 246	0.34 250	0.38 225	0.32 214	0.38 241	0.32 247	0.38 226	0.33 241

H2IRNET	0.34 184	0.34 131	0.34 215	0.34 174	0.34 257	0.34 204	0.34 246	0.34 195	0.34 250	0.34 200	0.34 251	0.34 206	0.34 249	0.34 207	0.34 250	0.34 201	0.34 224	0.34 213	0.34 259	0.34 196	0.34 247

RCA-Stereo	0.51 267	3.22 450	0.34 215	0.44 224	0.34 257	0.44 268	0.34 246	0.43 257	0.34 250	0.43 254	0.34 251	0.44 264	0.33 244	0.43 261	0.33 237	0.38 225	0.29 200	0.38 241	0.29 226	0.38 226	0.29 215

RAFT + AFF	0.31 171	0.45 169	0.34 215	0.39 190	0.28 214	0.38 220	0.33 235	0.29 183	0.31 232	0.30 186	0.30 232	0.29 191	0.27 212	0.29 194	0.30 224	0.28 183	0.29 200	0.29 191	0.29 226	0.27 173	0.32 234

CFNet-RSSM	0.91 339	4.89 481	0.34 215	0.44 224	1.07 392	1.62 446	1.40 459	0.91 344	0.35 253	1.60 439	1.39 459	0.64 327	0.34 249	0.44 263	0.33 237	0.41 246	0.35 225	0.75 342	0.30 236	0.41 248	0.29 215

mms	0.40 218	0.45 169	0.35 222	0.48 236	0.36 266	0.47 280	0.34 246	0.45 259	0.38 268	0.47 269	0.33 243	0.45 266	0.32 237	0.45 266	0.32 229	0.39 234	0.38 236	0.38 241	0.37 273	0.39 233	0.39 270

ETE_ROB	0.35 191	0.35 132	0.35 222	0.35 175	0.35 260	0.35 208	0.35 251	0.35 198	0.35 253	0.35 204	0.35 260	0.35 207	0.35 255	0.35 209	0.35 254	0.35 210	0.35 225	0.35 226	0.35 265	0.35 208	0.35 253

GREAT-IGEV	0.38 206	0.43 163	0.36 224	0.48 236	0.32 236	0.45 269	0.32 226	0.45 259	0.32 235	0.45 259	0.32 237	0.45 266	0.32 237	0.45 266	0.32 229	0.44 262	0.33 221	0.41 269	0.29 226	0.41 248	0.29 215

ISRNet	0.11 83	0.05 49	0.36 224	0.24 146	0.07 102	0.13 117	0.05 87	0.06 88	0.05 92	0.05 86	0.05 94	0.13 118	0.05 88	0.05 77	0.09 99	0.24 171	0.20 164	0.10 101	0.05 90	0.06 90	0.13 140

CES	0.39 214	0.47 177	0.36 224	0.36 179	0.37 269	0.45 269	0.35 251	0.35 198	0.40 277	0.36 207	0.44 300	0.47 276	0.36 258	0.44 263	0.36 257	0.37 218	0.39 243	0.44 283	0.35 265	0.37 217	0.36 254

gcap-zeroshot	0.35 191	0.32 129	0.37 227	0.49 242	0.39 281	0.33 202	0.21 173	0.26 176	0.35 253	0.42 248	0.34 251	0.49 287	0.29 224	0.47 274	0.39 274	0.34 201	0.17 155	0.38 241	0.23 187	0.48 274	0.34 247

DMCA	0.36 195	0.38 140	0.37 227	0.35 175	0.35 260	0.36 211	0.36 257	0.36 202	0.35 253	0.35 204	0.37 269	0.36 213	0.36 258	0.35 209	0.36 257	0.36 214	0.36 228	0.35 226	0.36 271	0.36 215	0.36 254

XPNet_ROB	0.37 200	0.37 137	0.37 227	0.37 182	0.37 269	0.37 216	0.37 262	0.37 208	0.37 264	0.37 212	0.37 269	0.37 219	0.37 262	0.37 219	0.37 265	0.37 218	0.37 230	0.37 234	0.37 273	0.37 217	0.37 258

LG-Stereo_L2	0.34 184	0.37 137	0.38 230	0.47 232	0.28 214	0.39 226	0.28 209	0.39 217	0.28 213	0.39 218	0.28 217	0.39 225	0.28 218	0.38 221	0.28 207	0.42 260	0.35 225	0.36 231	0.26 206	0.35 208	0.26 189

GCST	0.50 262	2.08 384	0.38 230	0.53 258	0.35 260	0.49 290	0.35 251	0.50 285	0.35 253	0.49 283	0.35 260	0.49 287	0.35 255	0.49 289	0.35 254	0.48 276	0.37 230	0.45 287	0.33 255	0.44 258	0.33 241

WAO-8	0.38 206	0.38 140	0.38 230	0.38 185	0.38 276	0.38 220	0.38 268	0.38 213	0.38 268	0.38 213	0.38 274	0.38 221	0.38 266	0.38 221	0.38 268	0.38 225	0.38 236	0.38 241	0.37 273	0.38 226	0.38 265

WAO-7	0.38 206	0.38 140	0.38 230	0.38 185	0.38 276	0.38 220	0.38 268	0.38 213	0.38 268	0.38 213	0.38 274	0.38 221	0.38 266	0.38 221	0.38 268	0.38 225	0.38 236	0.38 241	0.38 285	0.38 226	0.38 265

Venus	0.38 206	0.38 140	0.38 230	0.38 185	0.38 276	0.37 216	0.38 268	0.37 208	0.37 264	0.41 236	0.37 269	0.39 225	0.37 262	0.38 221	0.38 268	0.37 218	0.38 236	0.38 241	0.37 273	0.37 217	0.38 265

IMH	0.38 206	0.38 140	0.38 230	0.38 185	0.38 276	0.38 220	0.38 268	0.38 213	0.38 268	0.42 248	0.38 274	0.40 232	0.38 266	0.38 221	0.38 268	0.38 225	0.38 236	0.39 251	0.38 285	0.38 226	0.38 265

CFNet_RVC	2.38 486	8.71 516	0.38 230	9.33 534	0.42 300	0.56 314	0.42 289	0.60 312	0.38 268	0.62 322	0.42 296	0.56 317	7.29 537	0.62 320	0.42 291	0.53 294	0.37 230	0.49 306	0.34 259	8.30 534	6.87 540

GIP-stereo	0.36 195	0.49 185	0.39 237	0.48 236	0.32 236	0.41 244	0.28 209	0.40 222	0.30 228	0.41 236	0.28 217	0.40 232	0.28 218	0.42 259	0.28 207	0.45 264	0.32 214	0.38 241	0.30 236	0.37 217	0.27 197

UGAM-zero	0.51 267	2.17 392	0.39 237	0.53 258	0.36 266	0.50 298	0.36 257	0.50 285	0.36 263	0.49 283	0.36 263	0.50 301	0.35 255	0.50 296	0.36 257	0.49 279	0.37 230	0.47 294	0.35 265	0.46 263	0.34 247

UGAM	0.51 267	2.23 398	0.39 237	0.54 260	0.35 260	0.50 298	0.35 251	0.49 277	0.35 253	0.49 283	0.35 260	0.49 287	0.36 258	0.50 296	0.36 257	0.49 279	0.37 230	0.45 287	0.34 259	0.45 262	0.34 247

IGEV_Zeroshot_test	0.20 135	0.19 95	0.40 240	0.30 163	0.17 168	0.22 161	0.17 155	0.21 155	0.17 164	0.20 148	0.17 165	0.21 156	0.18 169	0.21 159	0.17 160	0.20 148	0.16 140	0.20 156	0.16 155	0.20 152	0.17 158

HanzoNet	0.39 214	0.38 140	0.40 240	0.39 190	0.41 290	0.38 220	0.38 268	0.38 213	0.38 268	0.39 218	0.39 278	0.38 221	0.38 266	0.39 229	0.40 278	0.38 225	0.38 236	0.40 256	0.38 285	0.38 226	0.40 272

knoymous	0.40 218	0.40 148	0.40 240	0.40 203	0.40 283	0.40 228	0.40 276	0.40 222	0.40 277	0.40 223	0.40 281	0.40 232	0.40 272	0.40 232	0.40 278	0.40 238	0.40 246	0.40 256	0.40 289	0.40 238	0.40 272

anonymousa	0.40 218	0.40 148	0.40 240	0.40 203	0.40 283	0.40 228	0.40 276	0.40 222	0.40 277	0.40 223	0.40 281	0.40 232	0.40 272	0.40 232	0.40 278	0.40 238	0.40 246	0.40 256	0.40 289	0.40 238	0.40 272

riskmin	0.40 218	0.40 148	0.40 240	0.40 203	0.40 283	0.40 228	0.40 276	0.40 222	0.40 277	0.40 223	0.40 281	0.40 232	0.40 272	0.40 232	0.40 278	0.40 238	0.40 246	0.40 256	0.40 289	0.40 238	0.40 272

Anonymous_2	0.40 218	0.40 148	0.40 240	0.40 203	0.40 283	0.40 228	0.40 276	0.40 222	0.40 277	0.40 223	0.40 281	0.40 232	0.40 272	0.40 232	0.40 278	0.40 238	0.40 246	0.40 256	0.40 289	0.40 238	0.40 272

Anonymous_1	0.40 218	0.40 148	0.40 240	0.40 203	0.40 283	0.40 228	0.40 276	0.40 222	0.40 277	0.40 223	0.40 281	0.40 232	0.40 272	0.40 232	0.40 278	0.40 238	0.40 246	0.40 256	0.40 289	0.40 238	0.40 272

AdaStereo	0.40 218	0.40 148	0.40 240	0.40 203	0.40 283	0.40 228	0.40 276	0.40 222	0.40 277	0.40 223	0.40 281	0.40 232	0.40 272	0.40 232	0.40 278	0.40 238	0.40 246	0.40 256	0.40 289	0.40 238	0.40 272
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
GwcNet-ADL	0.41 225	0.41 155	0.41 248	0.41 213	0.41 290	0.41 244	0.41 284	0.41 237	0.41 286	0.41 236	0.41 287	0.41 244	0.41 283	0.41 246	0.41 285	0.41 246	0.41 255	0.41 269	0.41 296	0.41 248	0.41 279

PSMNet-ADL	0.41 225	0.41 155	0.41 248	0.41 213	0.41 290	0.41 244	0.41 284	0.41 237	0.41 286	0.41 236	0.41 287	0.41 244	0.41 283	0.41 246	0.41 285	0.41 246	0.41 255	0.41 269	0.41 296	0.41 248	0.41 279

GANet-ADL	0.41 225	0.41 155	0.41 248	0.41 213	0.41 290	0.41 244	0.41 284	0.41 237	0.41 286	0.41 236	0.41 287	0.41 244	0.41 283	0.41 246	0.41 285	0.41 246	0.41 255	0.41 269	0.41 296	0.41 248	0.41 279

ADLNet2	0.41 225	0.41 155	0.41 248	0.41 213	0.41 290	0.41 244	0.41 284	0.41 237	0.41 286	0.41 236	0.41 287	0.41 244	0.41 283	0.41 246	0.41 285	0.41 246	0.41 255	0.41 269	0.41 296	0.41 248	0.41 279

ADLNet	0.41 225	0.41 155	0.41 248	0.41 213	0.41 290	0.41 244	0.41 284	0.41 237	0.41 286	0.41 236	0.41 287	0.41 244	0.41 283	0.41 246	0.41 285	0.41 246	0.41 255	0.41 269	0.41 296	0.41 248	0.41 279

GCAP-Stereo	0.75 306	4.15 472	0.42 253	0.75 292	0.35 260	0.78 339	0.40 276	0.79 331	0.38 268	0.78 342	0.36 263	0.78 344	0.36 258	0.79 340	0.39 274	0.75 323	0.39 243	0.76 344	0.39 288	0.75 315	0.39 270

RSM	0.36 195	0.36 135	0.43 254	0.37 182	0.42 300	0.49 290	0.42 289	0.37 208	0.28 213	0.36 207	0.29 221	0.36 213	0.30 230	0.37 219	0.28 207	0.34 201	0.31 212	0.34 213	0.35 265	0.40 238	0.29 215

DispNO	1.00 353	0.63 212	0.43 254	3.45 479	0.44 303	0.65 328	0.43 291	0.64 317	0.43 293	0.64 325	0.43 298	0.64 327	3.03 498	0.64 325	0.43 293	4.55 505	0.43 265	0.63 329	0.43 304	0.63 301	0.43 287

EKT-Stereo	0.37 200	0.40 148	0.44 256	1.07 331	0.29 221	0.34 204	0.31 225	0.36 202	0.29 218	0.38 213	0.31 235	0.37 219	0.30 230	0.36 215	0.29 217	0.34 201	0.28 191	0.39 251	0.30 236	0.37 217	0.30 225

CASnet	0.35 191	0.51 196	0.44 256	0.32 169	0.31 234	0.24 168	0.34 246	0.36 202	0.25 192	0.31 188	0.37 269	0.30 194	0.33 244	0.25 176	0.45 295	0.37 218	0.37 230	0.33 206	0.35 265	0.34 196	0.37 258
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
SCV	0.46 244	0.94 252	0.45 258	0.54 260	0.37 269	0.48 285	0.38 268	0.48 273	0.37 264	0.48 276	0.39 278	0.48 283	0.37 262	0.49 289	0.37 265	0.50 285	0.46 270	0.44 283	0.34 259	0.44 258	0.34 247

fffft	0.48 255	0.51 196	0.45 258	0.52 257	0.45 305	0.52 307	0.45 296	0.52 296	0.48 310	0.53 304	0.45 303	0.52 307	0.45 295	0.52 305	0.46 299	0.51 291	0.41 255	0.50 310	0.41 296	0.50 282	0.41 279
1: 1. 1
Selective-IGEV	0.51 267	0.55 206	0.45 258	0.69 284	0.45 305	0.61 322	0.45 296	0.50 285	0.40 277	0.56 312	0.44 300	0.55 314	0.40 272	0.72 333	0.67 338	0.59 301	0.46 270	0.45 287	0.34 259	0.46 263	0.37 258

IGEV-Stereo	0.35 191	0.44 166	0.45 258	0.49 242	0.30 230	0.37 216	0.30 221	0.36 202	0.30 228	0.36 207	0.29 221	0.36 213	0.29 224	0.36 215	0.30 224	0.46 267	0.39 243	0.32 198	0.24 195	0.32 186	0.25 183
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
water-stereo	0.41 225	0.84 230	0.46 262	0.50 249	0.33 247	0.45 269	0.33 235	0.45 259	0.32 235	0.45 259	0.32 237	0.45 266	0.32 237	0.45 266	0.32 229	0.44 262	0.41 255	0.39 251	0.31 242	0.39 233	0.32 234

depthmonostereo	0.44 239	0.85 232	0.46 262	0.54 260	0.40 283	0.52 307	0.38 268	0.52 296	0.35 253	0.47 269	0.34 251	0.46 270	0.34 249	0.47 274	0.34 250	0.45 264	0.43 265	0.41 269	0.33 255	0.41 248	0.32 234

otaku	0.46 244	0.46 173	0.46 262	0.46 226	0.46 307	0.46 275	0.46 298	0.46 263	0.46 298	0.46 263	0.46 305	0.46 270	0.46 298	0.46 270	0.46 299	0.46 267	0.46 270	0.46 290	0.46 308	0.46 263	0.46 293

Ntro	0.47 250	0.47 177	0.46 262	0.46 226	0.46 307	0.47 280	0.47 303	0.46 263	0.47 303	0.46 263	0.46 305	0.47 276	0.46 298	0.47 274	0.47 305	0.47 272	0.46 270	0.46 290	0.46 308	0.46 263	0.46 293

Dean	0.46 244	0.46 173	0.46 262	0.46 226	0.46 307	0.46 275	0.46 298	0.46 263	0.46 298	0.47 269	0.46 305	0.46 270	0.46 298	0.46 270	0.46 299	0.46 267	0.46 270	0.46 290	0.46 308	0.46 263	0.46 293

ACVNet_1	0.46 244	0.47 177	0.46 262	0.46 226	0.46 307	0.46 275	0.46 298	0.46 263	0.47 303	0.46 263	0.46 305	0.46 270	0.46 298	0.46 270	0.46 299	0.46 267	0.46 270	0.47 294	0.46 308	0.46 263	0.46 293

ACVNet-4b	0.46 244	0.46 173	0.46 262	0.46 226	0.46 307	0.46 275	0.46 298	0.46 263	0.46 298	0.46 263	0.46 305	0.46 270	0.46 298	0.47 274	0.46 299	0.46 267	0.46 270	0.46 290	0.46 308	0.46 263	0.46 293

LG-Stereo_L1	0.47 250	0.52 198	0.47 269	0.62 273	0.39 281	0.53 309	0.40 276	0.53 298	0.39 276	0.53 304	0.39 278	0.53 308	0.39 271	0.53 307	0.39 274	0.55 297	0.46 270	0.49 306	0.37 273	0.49 277	0.37 258

LG-Stereo_Zeroshot	0.48 255	0.55 206	0.47 269	0.63 275	0.41 290	0.56 314	0.44 292	0.56 302	0.41 286	0.56 312	0.41 287	0.57 318	0.42 289	0.56 312	0.41 285	0.55 297	0.43 265	0.51 315	0.37 273	0.51 288	0.37 258

LG-Stereo	0.60 279	0.58 208	0.47 269	0.64 278	0.74 363	1.00 361	0.69 343	0.57 305	0.41 286	0.57 314	0.41 287	0.57 318	0.41 283	1.00 366	0.75 353	0.91 339	0.51 294	0.52 318	0.37 273	0.52 290	0.37 258

DLNR_Zeroshot_test	0.31 171	0.28 124	0.47 269	0.79 294	0.24 199	0.30 189	0.26 201	0.30 185	0.24 187	0.32 193	0.23 189	0.31 196	0.24 192	0.30 196	0.23 185	0.29 190	0.26 181	0.29 191	0.24 195	0.33 192	0.23 172

HaxPig	0.47 250	0.47 177	0.47 269	0.49 242	0.47 313	0.47 280	0.47 303	0.47 269	0.47 303	0.47 269	0.47 313	0.47 276	0.47 306	0.47 274	0.47 305	0.47 272	0.47 278	0.47 294	0.47 315	0.47 270	0.48 302

UNDER WATER	0.47 250	0.47 177	0.47 269	0.47 232	0.47 313	0.47 280	0.47 303	0.47 269	0.47 303	0.47 269	0.47 313	0.47 276	0.46 298	0.47 274	0.47 305	0.47 272	0.47 278	0.47 294	0.46 308	0.47 270	0.47 300

LVE	0.47 250	0.47 177	0.47 269	0.47 232	0.49 319	0.47 280	0.47 303	0.47 269	0.49 312	0.47 269	0.47 313	0.47 276	0.46 298	0.47 274	0.47 305	0.47 272	0.47 278	0.48 302	0.47 315	0.47 270	0.47 300

DilatedVolume-Stereo	0.43 235	0.86 233	0.48 276	0.50 249	0.33 247	0.46 275	0.33 235	0.46 263	0.33 241	0.46 263	0.33 243	0.47 276	0.33 244	0.47 274	0.34 250	0.45 264	0.42 263	0.40 256	0.33 255	0.47 270	0.38 265

MyStereo07	0.60 279	3.72 461	0.48 276	0.49 242	0.41 290	0.36 211	0.32 226	0.49 277	0.43 293	0.51 299	0.42 296	0.49 287	0.43 291	0.51 302	0.64 333	0.49 279	0.45 268	0.34 213	0.32 247	0.35 208	0.43 287

KSHMR	0.66 289	0.50 189	0.48 276	1.15 341	0.52 329	0.49 290	0.51 320	0.49 277	0.71 350	0.67 329	0.50 322	1.16 383	1.11 376	0.66 327	0.52 321	0.49 279	0.49 284	0.51 315	0.66 343	0.50 282	1.14 388

RainbowNet	0.48 255	0.48 183	0.48 276	0.48 236	0.48 317	0.48 285	0.48 312	0.48 273	0.48 310	0.48 276	0.48 317	0.48 283	0.48 307	0.48 283	0.48 311	0.48 276	0.48 281	0.48 302	0.48 318	0.48 274	0.48 302

notaker	0.48 255	0.49 185	0.48 276	0.48 236	0.48 317	0.48 285	0.48 312	0.48 273	0.49 312	0.48 276	0.48 317	0.48 283	0.48 307	0.48 283	0.48 311	0.48 276	0.48 281	0.48 302	0.48 318	0.48 274	0.49 307

SCV_C0	0.45 241	0.88 237	0.49 281	0.54 260	0.37 269	0.48 285	0.37 262	0.48 273	0.37 264	0.48 276	0.36 263	0.48 283	0.37 262	0.49 289	0.37 265	0.50 285	0.41 255	0.44 283	0.34 259	0.44 258	0.34 247

MSKI-zero shot	0.24 150	0.21 105	0.49 281	0.65 279	0.18 175	0.22 161	0.17 155	0.23 163	0.18 166	0.21 157	0.17 165	0.23 166	0.28 218	0.23 167	0.18 169	0.21 152	0.16 140	0.21 158	0.16 155	0.21 155	0.16 146

ACVNet_2	0.49 260	0.49 185	0.49 281	0.49 242	0.49 319	0.49 290	0.49 314	0.49 277	0.49 312	0.49 283	0.49 320	0.49 287	0.49 312	0.49 289	0.49 313	0.49 279	0.49 284	0.49 306	0.49 321	0.49 277	0.49 307

FoundationStereo	0.50 262	0.50 189	0.50 284	0.50 249	0.50 323	0.50 298	0.50 316	0.50 285	0.50 315	0.50 295	0.50 322	0.50 301	0.50 315	0.50 296	0.50 314	0.50 285	0.50 290	0.50 310	0.50 323	0.50 282	0.50 310

StereoAnything_RVC	0.50 262	0.50 189	0.50 284	0.50 249	0.50 323	0.50 298	0.50 316	0.50 285	0.50 315	0.50 295	0.50 322	0.50 301	0.50 315	0.50 296	0.50 314	0.50 285	0.50 290	0.50 310	0.50 323	0.50 282	0.50 310

dual_stereo	0.50 262	0.50 189	0.50 284	0.50 249	0.50 323	0.50 298	0.50 316	0.50 285	0.50 315	0.50 295	0.50 322	0.50 301	0.50 315	0.50 296	0.50 314	0.50 285	0.50 290	0.50 310	0.50 323	0.50 282	0.50 310

TorneroNet	0.66 289	0.53 201	0.50 284	0.50 249	0.64 346	1.06 368	0.70 344	0.50 285	0.51 322	0.49 283	0.69 351	0.49 287	0.50 315	0.48 283	1.15 388	0.71 320	0.49 284	1.14 380	1.08 384	0.49 277	0.49 307

SANet	0.50 262	0.50 189	0.50 284	0.50 249	0.50 323	0.50 298	0.50 316	0.50 285	0.50 315	0.50 295	0.50 322	0.50 301	0.50 315	0.50 296	0.50 314	0.50 285	0.50 290	0.50 310	0.50 323	0.50 282	0.50 310

SMoEStereo_RVC	0.63 284	0.75 220	0.51 289	0.73 290	0.53 332	0.71 334	0.47 303	0.67 321	0.58 328	0.74 339	0.60 335	0.72 337	0.53 322	0.74 337	0.51 319	0.61 305	0.62 311	0.62 327	0.61 338	0.63 301	0.61 328

PAM_32	0.64 286	2.38 413	0.51 289	0.92 311	0.43 302	0.53 309	0.44 292	0.87 338	0.43 293	0.52 302	0.45 303	0.53 308	0.40 272	0.54 308	0.46 299	0.62 308	0.56 302	0.48 302	0.45 306	0.76 316	0.44 290

LL-Strereo2	0.48 255	1.73 363	0.51 289	0.59 269	0.34 257	0.42 262	0.33 235	0.40 222	0.31 232	0.42 248	0.33 243	0.42 260	0.31 235	0.44 263	0.39 274	0.60 302	0.51 294	0.44 283	0.33 255	0.44 258	0.33 241

AIO-test2	0.55 275	0.59 209	0.52 292	0.67 283	0.47 313	0.61 322	0.47 303	0.61 314	0.47 303	0.61 319	0.47 313	0.61 324	0.48 307	0.62 320	0.47 305	0.64 310	0.53 298	0.58 324	0.47 315	0.58 297	0.48 302

AIO-test1	0.54 271	0.60 211	0.52 292	0.66 282	0.47 313	0.61 322	0.47 303	0.58 308	0.46 298	0.61 319	0.46 305	0.61 324	0.45 295	0.62 320	0.45 295	0.61 305	0.52 296	0.57 323	0.48 318	0.57 296	0.48 302

MonSter	0.60 279	0.64 214	0.52 292	0.62 273	0.44 303	2.07 461	0.44 292	0.62 315	0.44 296	0.62 322	0.44 300	0.62 326	0.44 293	0.62 320	0.44 294	0.58 300	0.42 263	0.62 327	0.46 308	0.58 297	0.42 286

MyStereo8	0.71 300	3.92 468	0.52 292	0.59 269	0.52 329	0.57 319	0.53 322	0.59 310	0.50 315	0.59 318	0.51 328	0.57 318	0.50 315	0.56 312	0.52 321	0.54 295	0.49 284	0.54 321	0.49 321	0.55 295	0.50 310

WCG-NET	0.61 282	1.21 340	0.54 296	0.61 272	0.53 332	0.67 330	0.53 322	0.66 320	0.53 323	0.64 325	0.53 331	0.65 330	0.53 322	0.59 318	0.52 321	0.65 311	0.48 281	0.64 330	0.52 327	0.58 297	0.50 310

PSMNet_ROB	0.54 271	0.54 204	0.54 296	0.54 260	0.53 332	0.54 312	0.54 324	0.53 298	0.54 325	0.54 307	0.54 332	0.54 310	0.53 322	0.54 308	0.54 324	0.54 295	0.53 298	0.54 321	0.54 328	0.54 294	0.54 318

CASS	0.57 278	0.89 240	0.56 298	0.57 266	0.56 335	0.56 314	0.56 325	0.56 302	0.53 323	0.57 314	0.57 334	0.59 322	0.48 307	0.56 312	0.57 327	0.55 297	0.56 302	0.47 294	0.56 332	0.62 300	0.56 325
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymity	0.63 284	0.69 216	0.56 298	0.71 288	0.56 335	0.71 334	0.56 325	0.71 326	0.56 326	0.72 333	0.56 333	0.71 334	0.56 326	0.71 332	0.58 328	0.68 315	0.55 300	0.68 335	0.55 329	0.68 305	0.54 318

DDUNet	0.81 322	2.45 416	0.57 300	0.90 306	0.60 338	0.88 348	0.59 328	0.90 342	0.60 330	0.88 349	0.60 335	0.90 356	0.58 327	0.88 350	0.60 330	0.84 335	0.60 306	0.86 358	0.57 333	0.86 330	0.60 327

999	1.00 353	1.12 285	0.59 301	1.10 333	1.21 449	1.09 373	0.52 321	1.08 360	1.43 461	1.18 381	1.35 452	0.98 366	0.52 321	0.91 354	0.85 363	0.72 321	1.46 444	0.83 355	0.98 376	0.68 305	1.41 460

MyStereo04	0.56 277	3.72 461	0.59 301	0.49 242	0.41 290	0.36 211	0.32 226	0.37 208	0.31 232	0.34 200	0.46 305	0.35 207	0.32 237	0.35 209	0.33 237	0.49 279	0.45 268	0.34 213	0.32 247	0.35 208	0.43 287

MyStereo06	0.75 306	4.12 469	0.60 303	0.63 275	0.61 342	0.62 325	0.66 335	0.56 302	0.45 297	0.55 310	0.48 317	0.54 310	0.46 298	0.57 316	0.45 295	0.60 302	0.57 304	0.64 330	0.55 329	0.72 311	0.55 322

UDG	0.80 317	2.21 397	0.60 303	0.91 308	0.60 338	0.90 351	0.58 327	0.88 341	0.60 330	0.90 350	0.60 335	0.88 353	0.60 329	0.90 353	0.58 328	0.86 337	0.60 306	0.84 356	0.59 335	0.84 329	0.61 328

test_xeample3	1.10 363	1.81 364	0.61 305	0.84 301	0.49 319	0.77 337	0.66 335	0.92 347	1.40 459	0.68 331	0.46 305	0.78 344	0.54 325	1.72 444	1.48 460	1.34 420	1.52 448	1.35 444	1.67 478	1.33 419	1.55 464

PA-Net	11.80 542	223.51 569	0.62 306	0.59 269	0.71 358	0.59 321	0.73 349	0.67 321	0.73 354	0.55 310	0.61 338	0.60 323	0.74 348	0.63 324	0.73 350	0.66 313	0.60 306	0.69 336	0.66 343	0.72 311	0.65 334
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MyStereo05	0.80 317	4.12 469	0.63 307	0.63 275	0.61 342	0.62 325	0.66 335	0.65 318	0.62 333	0.67 329	0.61 338	0.65 330	0.58 327	0.67 329	0.55 326	0.60 302	0.57 304	0.64 330	0.55 329	0.72 311	0.55 322

ARAFT	0.68 294	0.81 227	0.63 307	0.74 291	0.60 338	0.78 339	0.62 330	0.77 330	0.66 339	0.74 339	0.63 340	0.75 341	0.62 331	0.83 344	0.60 330	0.70 319	0.55 300	0.70 338	0.60 336	0.78 318	0.55 322

Former-RAFT_DAM_RVC	0.49 260	0.98 257	0.64 309	0.84 301	0.46 307	0.45 269	0.35 251	0.47 269	0.47 303	0.45 259	0.34 251	0.46 270	0.48 307	0.46 270	0.35 254	0.39 234	0.71 325	0.39 251	0.35 265	0.41 248	0.41 279

plain	1.88 437	3.16 448	0.64 309	3.10 462	0.65 348	3.10 499	0.64 332	3.12 497	0.65 337	3.10 498	0.65 344	3.11 498	0.65 334	3.12 497	0.65 334	3.12 493	0.65 314	3.13 498	0.65 341	3.13 484	0.65 334

FCDSN-DC	0.41 225	0.59 209	0.64 309	0.54 260	0.33 247	0.50 298	0.37 262	0.42 253	0.40 277	0.61 319	0.43 298	0.50 301	0.49 312	0.38 221	0.32 229	0.28 183	0.23 175	0.26 180	0.22 182	0.35 208	0.28 210
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
LMCR-Stereo	0.65 287	0.63 212	0.65 312	0.65 279	0.65 348	0.66 329	0.63 331	0.58 308	0.65 337	0.63 324	0.64 342	0.65 330	0.65 334	0.66 327	0.66 337	0.66 313	0.64 313	0.65 333	0.67 347	0.68 305	0.73 347

RSM++	0.76 310	0.82 229	0.66 313	0.85 303	0.64 346	0.85 345	0.71 347	0.94 351	0.64 336	0.87 348	0.67 347	0.87 352	0.65 334	0.84 345	0.65 334	0.81 330	0.70 321	0.79 347	0.71 355	0.83 328	0.70 340

MIF-Stereo (partial)	2.58 491	3.31 452	0.66 313	3.18 466	0.66 351	3.18 500	0.66 335	3.21 498	0.67 340	3.19 499	0.66 346	3.19 499	0.66 337	3.31 501	0.68 341	5.09 522	1.79 470	8.23 541	1.67 478	6.18 525	1.38 459

MIM_Stereo	0.25 151	0.23 110	0.66 313	0.80 296	0.17 168	0.22 161	0.17 155	0.23 163	0.18 166	0.26 179	0.17 165	0.21 156	0.17 162	0.25 176	0.17 160	0.23 166	0.16 140	0.21 158	0.17 173	0.22 157	0.17 158

AFF-stereo	0.73 304	0.88 237	0.67 316	0.75 292	0.68 355	0.75 336	0.64 332	0.80 333	0.72 351	0.83 347	0.70 352	0.82 350	0.64 332	0.84 345	0.67 338	0.77 325	0.63 312	0.81 352	0.63 340	0.78 318	0.62 331

R-Stereo Train	0.81 322	0.96 254	0.67 316	0.95 318	0.67 352	0.95 356	0.68 340	0.95 353	0.68 341	0.95 360	0.68 348	0.96 364	0.68 340	0.96 363	0.68 341	0.94 346	0.68 316	0.94 365	0.68 348	0.94 341	0.68 338

RAFT-Stereo	0.81 322	0.96 254	0.67 316	0.95 318	0.67 352	0.95 356	0.68 340	0.95 353	0.68 341	0.95 360	0.68 348	0.96 364	0.68 340	0.96 363	0.68 341	0.94 346	0.68 316	0.94 365	0.68 348	0.94 341	0.68 338
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AIO-Stereo	0.84 332	0.66 215	0.70 319	0.83 300	0.67 352	0.98 359	0.82 360	1.14 364	0.72 351	1.03 367	0.74 360	1.03 371	1.09 375	0.99 365	0.45 295	1.04 352	0.73 327	0.95 367	0.74 357	0.94 341	0.46 293

DMCA-RVC	0.70 298	0.80 224	0.70 319	0.70 286	0.70 357	0.70 332	0.70 344	0.71 326	0.70 347	0.70 332	0.71 355	0.71 334	0.70 342	0.70 331	0.69 345	0.69 316	0.70 321	0.69 336	0.70 352	0.69 309	0.70 340

MSMD_ROB	1.19 368	1.10 284	0.70 319	1.10 333	0.60 338	1.10 374	0.70 344	1.10 363	0.70 347	1.10 371	0.70 352	1.10 377	0.70 342	7.00 540	0.70 348	1.10 357	0.70 321	1.10 379	0.70 352	1.10 353	0.70 340

RAFT-Stereo + iAFF	0.70 298	0.72 218	0.71 322	0.80 296	0.62 345	0.82 344	0.61 329	0.81 336	0.62 333	0.81 346	0.63 340	0.80 347	0.70 342	0.73 335	0.61 332	0.76 324	0.61 310	0.74 341	0.61 338	0.77 317	0.61 328

UniTT-Stereo	2.03 454	3.43 454	0.72 323	3.42 478	0.73 361	3.27 502	0.68 340	3.38 501	0.69 344	3.29 501	0.72 357	3.28 501	0.70 342	3.35 502	0.68 341	3.39 495	0.68 316	3.31 500	0.69 350	3.37 485	0.73 347

Selective-RAFT	0.89 338	0.89 240	0.72 323	1.16 346	0.78 366	1.06 368	0.82 360	0.87 338	0.97 378	1.00 362	0.91 372	0.90 356	1.00 366	0.89 352	0.93 370	0.83 333	0.83 340	0.82 354	0.82 367	0.81 326	0.82 358

iGMRVC	0.84 332	2.85 442	0.72 323	0.72 289	0.73 361	0.77 337	0.79 354	0.73 328	0.74 356	0.73 334	0.72 357	0.73 339	0.76 351	0.73 335	0.73 350	0.72 321	0.73 327	0.73 340	0.72 356	0.73 314	0.72 344

HH	0.71 300	2.54 418	0.74 326	1.10 333	0.32 236	0.41 244	0.37 262	0.69 323	0.78 357	0.73 334	0.90 369	0.75 341	1.00 366	0.84 345	0.69 345	0.69 316	0.40 246	0.35 226	0.26 206	0.35 208	0.26 189

HanStereo	0.71 300	2.54 418	0.74 326	1.10 333	0.32 236	0.41 244	0.37 262	0.69 323	0.78 357	0.73 334	0.90 369	0.75 341	1.00 366	0.84 345	0.69 345	0.69 316	0.40 246	0.35 226	0.26 206	0.35 208	0.26 189

Syn2CoEx	0.25 151	1.31 348	0.74 326	0.92 311	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 338	0.75 330	0.02 18	0.02 20	0.02 20	0.02 20

RAStereo	2.23 476	3.64 457	0.76 329	3.65 487	0.86 371	3.66 506	0.76 352	3.67 505	0.81 364	3.66 502	0.76 362	3.66 503	0.77 352	3.68 504	0.77 355	3.68 498	0.77 332	3.69 505	0.77 359	3.70 487	0.77 353

DCRE	0.84 332	1.89 371	0.77 330	0.94 316	0.72 360	0.88 348	0.73 349	0.87 338	0.78 357	0.90 350	0.71 355	0.88 353	0.67 339	0.88 350	0.73 350	0.81 330	0.68 316	0.81 352	0.70 352	0.82 327	0.70 340

MoCha-V2	2.11 463	26.97 547	0.78 331	0.92 311	0.77 365	0.96 358	0.72 348	0.90 342	0.72 351	0.94 358	0.70 352	0.90 356	0.71 346	0.91 354	0.71 349	0.85 336	0.71 325	0.88 359	0.69 350	0.87 331	0.67 337

DSFCA	0.66 289	0.73 219	0.78 331	0.65 279	0.65 348	0.64 327	0.64 332	0.65 318	0.63 335	0.64 325	0.64 342	0.64 327	0.64 332	0.65 326	0.65 334	0.65 311	0.65 314	0.65 333	0.65 341	0.66 303	0.64 333

HSM-Net_RVC	0.95 349	1.17 290	0.78 331	1.18 348	0.71 358	1.16 381	0.75 351	1.09 362	0.80 361	1.10 371	0.75 361	1.17 384	0.74 348	1.17 384	0.80 358	1.13 363	0.73 327	1.17 386	0.77 359	1.16 359	0.72 344
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
G-Net	0.79 315	0.79 223	0.79 334	0.79 294	0.79 367	0.79 341	0.79 354	0.79 331	0.79 360	0.79 343	0.79 364	0.79 346	0.79 354	0.79 340	0.79 356	0.79 326	0.79 334	0.79 347	0.79 362	0.79 320	0.79 354

NaN_ROB	0.80 317	0.80 224	0.80 335	0.80 296	0.80 369	0.80 342	0.80 357	0.80 333	0.80 361	0.80 344	0.80 365	0.80 347	0.80 355	0.80 342	0.80 358	0.80 327	0.80 337	0.80 350	0.80 364	0.80 323	0.80 355

CSAN	0.80 317	0.80 224	0.80 335	0.80 296	0.80 369	0.80 342	0.80 357	0.80 333	0.80 361	0.80 344	0.80 365	0.80 347	0.80 355	0.80 342	0.80 358	0.80 327	0.80 337	0.80 350	0.80 364	0.80 323	0.80 355

DPSimNet_ROB	0.97 350	1.18 292	0.81 337	1.10 333	0.91 377	1.02 366	0.82 360	1.04 359	0.91 368	1.03 367	0.86 368	1.28 435	0.82 357	1.03 371	0.89 365	1.17 366	0.81 339	1.02 376	0.82 367	1.08 352	0.81 357

MLG-Stereo	0.92 341	0.90 242	0.84 338	1.27 399	0.49 319	1.38 438	0.88 363	1.41 434	0.97 378	0.73 334	1.09 385	1.26 433	0.43 291	0.72 333	1.05 381	1.13 363	0.49 284	1.18 389	0.66 343	1.01 348	0.46 293

AIO-Stereo-zeroshot1	0.75 306	0.92 249	0.85 339	0.96 321	0.59 337	1.27 431	0.44 292	0.59 310	0.69 344	0.91 352	0.68 348	0.55 314	0.61 330	1.06 372	0.83 362	0.62 308	0.70 321	0.90 360	0.41 296	0.89 333	0.56 325

AIO-Stereo-zeroshot	0.91 339	0.86 233	0.89 340	1.25 398	0.69 356	1.05 367	0.81 359	1.16 367	0.50 315	1.12 376	0.97 377	0.72 337	0.82 357	1.06 372	0.95 371	0.61 305	0.87 342	1.03 377	0.85 370	1.04 350	1.01 377

StereoVision	3.15 499	5.00 482	0.89 340	4.83 508	1.00 384	3.93 507	1.27 445	6.37 534	1.34 452	5.67 534	1.26 445	5.84 535	1.27 437	5.03 531	1.24 442	5.10 523	1.09 361	4.61 517	0.57 333	5.62 523	1.12 384

4D-IteraStereo	0.78 314	3.13 447	0.89 340	0.69 284	0.32 236	0.40 228	0.32 226	0.76 329	0.97 378	0.52 302	0.65 344	0.89 355	0.32 237	0.76 339	0.98 374	0.83 333	0.94 347	0.35 226	0.27 213	0.70 310	0.89 363

ours_stereo	1.20 369	1.21 340	0.90 343	1.64 419	1.11 393	1.35 434	0.67 339	1.76 441	0.93 373	1.70 445	1.10 386	1.39 438	0.75 350	1.41 438	0.81 361	1.60 435	1.03 353	1.33 441	1.00 378	1.61 429	0.72 344

ToySt	0.92 341	2.11 387	0.90 343	0.95 318	0.79 367	0.99 360	0.78 353	0.94 351	0.81 364	0.94 358	0.78 363	0.95 363	0.77 352	0.94 359	0.86 364	0.91 339	0.79 334	0.85 357	0.77 359	0.89 333	0.73 347

DPSM_ROB	0.92 341	0.91 244	0.91 345	0.91 308	0.92 378	0.92 353	0.92 367	0.92 347	0.91 368	0.93 356	0.91 372	0.92 359	0.90 359	0.91 354	0.92 366	0.92 342	0.91 343	0.91 362	0.92 371	0.93 339	0.93 367

DPSM	0.92 341	0.91 244	0.91 345	0.91 308	0.92 378	0.92 353	0.92 367	0.92 347	0.91 368	0.93 356	0.91 372	0.92 359	0.90 359	0.91 354	0.92 366	0.92 342	0.91 343	0.91 362	0.92 371	0.93 339	0.93 367

BUS	0.83 329	1.91 374	0.92 347	4.48 493	0.02 21	0.40 228	0.04 77	0.41 237	0.02 21	0.48 276	0.03 52	0.41 244	0.05 88	0.03 39	0.05 83	1.97 449	4.19 516	0.33 206	0.23 187	0.34 196	0.27 197

BSDual-CNN	0.81 322	1.91 374	0.92 347	4.48 493	0.02 21	0.42 262	0.06 99	0.41 237	0.02 21	0.48 276	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 449	4.19 516	0.33 206	0.23 187	0.34 196	0.27 197

psmg	0.43 235	1.91 374	0.92 347	1.91 424	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 449	1.44 443	0.04 71	0.03 54	0.02 20	0.03 51

DGTPSM_ROB	0.93 346	1.00 260	0.92 347	0.94 316	0.96 382	0.91 352	0.92 367	0.91 344	0.96 377	0.91 352	0.96 376	0.93 362	0.92 361	0.94 359	0.92 366	0.92 342	0.92 345	0.90 360	0.92 371	0.94 341	0.91 365

pmcnn	0.92 341	0.92 249	0.92 347	0.92 311	0.92 378	0.92 353	0.92 367	0.92 347	0.92 372	0.92 354	0.92 375	0.92 359	0.92 361	0.92 358	0.92 366	0.92 342	0.92 345	0.92 364	0.92 371	0.92 338	0.92 366

Selective-RAFT-Error	0.88 336	0.84 230	0.98 352	0.86 304	0.97 383	0.88 348	0.95 371	0.84 337	0.99 381	0.92 354	0.82 367	0.84 351	0.98 365	0.87 349	0.97 373	0.81 330	0.83 340	0.79 347	0.82 367	0.79 320	0.85 360

FC-DCNN	1.07 361	1.09 281	0.98 352	0.89 305	0.52 329	1.41 441	0.91 366	1.21 420	1.24 446	1.96 449	2.05 503	1.91 450	1.30 440	1.27 434	1.08 382	0.80 327	0.60 306	0.58 324	0.41 296	0.68 305	0.54 318

GANet	1.00 353	1.00 260	1.00 354	1.00 325	1.00 384	1.00 361	1.00 375	1.00 355	1.00 382	1.00 362	1.00 379	1.00 367	1.00 366	1.00 366	1.00 376	1.00 348	1.00 348	1.00 372	1.00 378	1.00 345	1.00 374

TDLM	1.00 353	1.00 260	1.00 354	1.00 325	1.00 384	1.00 361	1.00 375	1.00 355	1.00 382	1.00 362	1.00 379	1.00 367	1.00 366	1.00 366	1.00 376	1.00 348	1.00 348	1.00 372	1.00 378	1.00 345	1.00 374

CVANet_RVC	1.00 353	1.00 260	1.00 354	1.00 325	1.00 384	1.00 361	1.00 375	1.00 355	1.00 382	1.00 362	1.00 379	1.00 367	1.00 366	1.00 366	1.00 376	1.00 348	1.00 348	1.00 372	1.00 378	1.00 345	1.00 374

trnet	1.01 358	1.01 266	1.01 357	1.01 328	1.01 388	1.01 365	1.01 378	1.01 358	1.01 385	1.01 366	1.01 382	1.01 370	1.01 372	1.01 370	1.01 379	1.01 351	1.01 351	1.01 375	1.01 382	1.01 348	1.01 377

MM-Stereo_test2	1.20 369	1.85 367	1.05 358	1.46 410	0.94 381	1.36 436	0.99 374	1.36 429	0.95 375	1.41 435	0.98 378	1.40 440	0.96 363	1.37 436	0.95 371	1.37 424	1.06 354	1.33 441	0.93 375	1.29 418	0.89 363

GLC_STEREO	1.07 361	1.01 266	1.06 359	1.07 331	1.05 391	1.06 368	1.08 382	1.08 360	1.05 388	1.07 369	1.06 384	1.08 373	1.05 374	1.06 372	1.10 383	1.07 354	1.09 361	1.05 378	1.05 383	1.06 351	1.12 384

ktn	0.72 303	0.53 201	1.08 360	1.14 339	0.51 328	1.22 428	1.36 451	0.51 294	0.59 329	0.51 299	0.51 328	0.69 333	1.20 387	0.67 329	0.51 319	0.51 291	0.49 284	0.58 324	0.66 343	0.52 290	0.53 317

MaDis-Stereo	3.19 500	6.02 503	1.12 361	5.61 517	1.16 399	5.43 533	1.02 380	5.15 531	0.70 347	5.43 531	1.21 440	5.03 532	0.97 364	4.85 525	0.99 375	4.53 504	1.16 371	5.53 533	1.25 445	5.37 521	1.30 450

RP	2.33 480	25.00 540	1.13 362	1.15 341	1.15 395	1.10 374	1.15 387	1.15 365	1.15 390	1.12 376	1.15 387	1.09 375	1.13 377	1.10 378	1.15 388	1.11 362	1.09 361	1.16 382	1.12 386	1.16 359	1.17 393

edge stereo	2.43 487	27.07 548	1.14 363	1.06 330	1.14 394	1.08 371	1.17 390	1.16 367	1.14 389	1.10 371	1.16 390	1.09 375	1.16 384	1.10 378	1.16 391	1.10 357	1.11 365	1.16 382	1.19 392	1.13 354	1.11 382

Abc-Net	2.32 479	24.75 539	1.14 363	1.17 347	1.17 400	1.11 377	1.15 387	1.17 369	1.21 443	1.08 370	1.16 390	1.12 381	1.14 379	1.09 376	1.17 392	1.09 355	1.16 371	1.17 386	1.17 391	1.16 359	1.11 382
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
castereo++	0.54 271	3.59 455	1.15 365	1.31 402	0.14 147	0.16 133	0.14 142	0.16 132	0.14 147	0.16 129	0.14 151	0.16 130	0.13 144	0.16 131	0.14 141	1.45 427	1.16 371	0.15 133	0.14 150	0.15 132	0.13 140

Nwc_Net	2.37 484	25.95 544	1.15 365	1.14 339	1.15 395	1.08 371	1.14 386	1.17 369	1.16 391	1.14 379	1.15 387	1.08 373	1.15 380	1.11 380	1.14 387	1.10 357	1.11 365	1.16 382	1.09 385	1.16 359	1.15 389

AF-Net	2.37 484	25.71 543	1.17 367	1.13 338	1.15 395	1.15 380	1.18 391	1.19 372	1.16 391	1.10 371	1.15 387	1.10 377	1.18 385	1.12 381	1.15 388	1.10 357	1.10 364	1.17 386	1.15 388	1.16 359	1.12 384

NCC-stereo	2.36 482	25.52 542	1.17 367	1.15 341	1.17 400	1.11 377	1.11 383	1.15 365	1.16 391	1.10 371	1.16 390	1.10 377	1.15 380	1.14 382	1.13 386	1.09 355	1.11 365	1.15 381	1.16 390	1.17 364	1.17 393

MM-Stereo_test3	1.27 419	2.07 383	1.18 369	1.60 414	1.02 389	1.45 442	1.01 378	1.40 433	1.04 387	1.44 436	1.03 383	1.46 442	1.02 373	1.44 439	1.02 380	1.51 431	1.12 368	1.32 440	0.98 376	1.38 422	0.97 370

stereogan	2.33 480	24.38 538	1.18 369	1.18 348	1.18 402	1.14 379	1.18 391	1.19 372	1.19 397	1.14 379	1.18 394	1.14 382	1.18 385	1.14 382	1.18 393	1.14 365	1.14 369	1.19 390	1.19 392	1.15 357	1.19 397

CSP-Net	0.34 184	1.29 346	1.19 371	1.36 406	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 415	1.21 422	0.03 38	0.09 104	0.02 20	0.09 102

FENet	0.54 271	1.52 354	1.19 371	1.41 409	0.23 194	0.35 208	0.23 185	0.35 198	0.23 185	0.34 200	0.23 189	0.35 207	0.23 189	0.35 209	0.23 185	1.40 425	1.07 355	0.32 198	0.23 187	0.33 192	0.23 172

RGC	2.36 482	25.48 541	1.19 371	1.15 341	1.15 395	1.10 374	1.16 389	1.17 369	1.16 391	1.12 376	1.16 390	1.11 380	1.13 377	1.09 376	1.18 393	1.10 357	1.15 370	1.16 382	1.12 386	1.14 355	1.12 384

DisPM	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

NINENet	0.69 297	3.87 467	1.20 374	1.98 428	0.05 93	0.40 228	0.04 77	0.40 222	0.05 92	0.41 236	0.04 85	0.41 244	0.05 88	0.40 232	0.05 83	1.79 439	1.56 453	0.34 213	0.22 182	0.34 196	0.23 172

CrosDoStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

PFNet+	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

LCNet	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

HHNet	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

Patchmatch Stereo++	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

STrans-v2	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

TransformOpticalFlow	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

OMP-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

IIG-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

NF-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

OCTAStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

PSM-softLoss	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

KMStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

NRIStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

PSM-adaLoss	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

PSM-AAD	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

FTStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

ROB_FTStereo_v2	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

ROB_FTStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

Consistency-Raft	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

KYRaft	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

HUI-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

ASMatch	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

DeepStereo_LL	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

DEmStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

SST-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

THIR-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

RAFT_R40	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

DRaft	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

PFNet	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

GrayStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

RE-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

Pruner-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

TVStereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

DeepStereo_RVC	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

RAFT-RH_RVC	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

IRAFT_RVC	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

RAFT-345	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

iRAFT	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

CRE-IMP	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

GMM-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

RAFT-IKP	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

Prome-Stereo	1.20 369	1.20 294	1.20 374	1.20 350	1.20 403	1.20 382	1.20 393	1.20 375	1.20 398	1.20 383	1.20 395	1.20 386	1.20 387	1.20 386	1.20 395	1.20 368	1.20 376	1.20 391	1.20 395	1.20 368	1.20 398

SPS-STEREO	1.59 427	1.91 374	1.21 420	1.94 425	1.20 403	2.00 458	1.23 440	1.99 449	1.24 446	2.00 455	1.25 444	2.03 458	1.26 436	2.00 456	1.29 449	1.90 446	1.18 375	1.89 467	1.21 440	1.89 442	1.20 398
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
CRFU-Net	0.65 287	1.67 358	1.22 421	1.96 427	0.27 211	0.41 244	0.27 204	0.41 237	0.27 210	0.40 223	0.26 207	0.41 244	0.27 212	0.40 232	0.27 201	1.80 440	1.62 460	0.34 213	0.23 187	0.33 192	0.23 172

GANetREF_RVC	1.55 426	1.94 380	1.22 421	1.88 422	1.21 449	1.88 450	1.22 439	1.88 443	1.22 444	1.88 446	1.22 441	1.88 448	1.22 434	1.89 452	1.22 441	1.87 442	1.22 423	1.88 466	1.22 441	1.88 441	1.22 444
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
FAT-Stereo	2.46 488	26.05 545	1.23 423	1.23 397	1.22 451	1.20 382	1.24 441	1.23 423	1.23 445	1.19 382	1.22 441	1.21 431	1.24 435	1.20 386	1.24 442	1.21 413	1.17 374	1.22 437	1.25 445	1.20 368	1.24 447

S-Stereo	2.51 489	26.86 546	1.23 423	1.22 395	1.22 451	1.24 430	1.25 442	1.22 421	1.24 446	1.21 428	1.24 443	1.19 385	1.27 437	1.19 385	1.24 442	1.19 367	1.20 376	1.25 438	1.19 392	1.24 416	1.23 446

ssnet_v2	0.68 294	1.96 381	1.25 425	0.29 162	0.20 181	0.30 189	0.20 168	0.29 183	0.22 179	1.50 438	0.20 180	0.31 196	0.20 178	0.27 189	0.22 179	0.24 171	1.49 446	0.26 180	0.18 177	3.90 489	0.19 164

CC-Net-ROB	1.36 422	1.33 349	1.33 426	1.36 406	1.38 456	1.36 436	1.33 447	1.37 431	1.34 452	1.35 432	1.36 454	1.38 437	1.34 444	1.38 437	1.38 456	1.35 421	1.38 440	1.33 441	1.35 450	1.43 423	1.34 455

11t	1.27 419	2.70 427	1.34 427	1.32 403	0.89 373	1.30 433	1.34 448	1.64 437	0.57 327	1.45 437	0.72 357	1.05 372	1.29 439	1.07 375	1.29 449	1.49 428	1.02 352	0.97 370	1.15 388	1.48 424	1.31 451

PS-NSSS	1.38 424	1.39 352	1.34 427	1.34 404	1.35 453	1.38 438	1.37 456	1.35 428	1.38 458	1.34 431	1.34 451	1.39 438	1.38 449	1.70 443	1.40 457	1.36 423	1.36 438	1.36 446	1.37 453	1.37 421	1.36 457

aw	2.03 454	2.72 431	1.35 429	3.33 474	1.57 462	2.72 489	1.53 466	2.15 459	1.33 450	2.15 465	1.60 468	2.63 482	1.30 440	2.72 488	1.99 495	2.67 487	1.53 449	1.75 456	1.25 445	2.53 474	1.87 489

3.25w_new	2.03 454	2.72 431	1.35 429	3.33 474	1.57 462	2.72 489	1.53 466	2.15 459	1.33 450	2.15 465	1.60 468	2.63 482	1.30 440	2.72 488	1.99 495	2.67 487	1.53 449	1.75 456	1.25 445	2.53 474	1.87 489

3.5w_stereo	2.03 454	2.72 431	1.35 429	3.41 477	1.57 462	2.72 489	1.49 465	2.01 451	1.34 452	2.15 465	1.61 471	2.63 482	1.36 446	2.72 488	1.99 495	2.66 485	1.58 455	1.68 455	1.24 443	2.53 474	1.87 489

1w_stereo	2.05 461	2.32 404	1.35 429	3.74 491	2.01 491	2.73 492	1.42 462	1.88 443	1.93 493	2.03 458	1.28 447	2.71 486	1.99 484	2.72 488	1.72 473	2.20 459	1.32 424	1.87 462	1.86 489	2.45 462	1.54 463

castereo	0.61 282	3.79 463	1.35 429	1.52 411	0.15 158	0.17 141	0.16 150	0.20 149	0.21 176	0.18 141	0.16 160	0.21 156	0.12 139	0.26 186	0.17 160	1.43 426	1.38 440	0.17 143	0.16 155	0.18 145	0.16 146

ff7	1.68 429	2.68 424	1.35 429	0.97 322	0.89 373	1.84 447	2.15 496	2.12 455	1.80 480	2.05 460	1.56 464	2.33 465	2.12 489	2.23 462	2.25 499	1.31 417	1.07 355	1.48 448	1.41 456	0.90 335	1.04 379

ffff	1.68 429	2.68 424	1.35 429	0.97 322	0.89 373	1.84 447	2.15 496	2.12 455	1.80 480	2.05 460	1.56 464	2.33 465	2.12 489	2.23 462	2.25 499	1.31 417	1.07 355	1.48 448	1.41 456	0.90 335	1.04 379

ccc-4	1.68 429	2.68 424	1.35 429	0.97 322	0.89 373	1.84 447	2.15 496	2.12 455	1.80 480	2.05 460	1.56 464	2.33 465	2.12 489	2.23 462	2.25 499	1.31 417	1.07 355	1.48 448	1.41 456	0.90 335	1.04 379

MaskLacGwcNet_RVC	1.35 421	1.35 350	1.35 429	1.35 405	1.35 453	1.35 434	1.35 449	1.36 429	1.35 455	1.36 433	1.35 452	1.36 436	1.36 446	1.36 435	1.35 453	1.35 421	1.35 437	1.35 444	1.35 450	1.35 420	1.35 456

tt45	1.04 360	0.88 237	1.36 438	0.92 311	1.03 390	1.51 444	0.79 354	0.70 325	0.88 366	0.74 339	0.90 369	1.60 444	0.72 347	1.60 441	0.75 353	0.91 339	0.78 333	1.52 451	0.79 362	1.14 355	1.32 452

PASM	0.39 214	3.06 444	1.36 438	1.58 412	0.09 106	0.11 113	0.11 122	0.11 115	0.11 124	0.09 101	0.09 106	0.11 114	0.09 107	0.09 102	0.09 99	0.11 86	0.11 94	0.11 112	0.09 104	0.11 114	0.11 119

2.5w	2.01 451	2.40 414	1.37 440	3.28 469	2.01 491	2.71 488	1.43 464	1.82 442	1.83 483	1.90 448	1.41 460	2.71 486	1.35 445	2.71 485	1.85 484	2.66 485	1.53 449	1.64 453	1.23 442	2.53 474	1.87 489

MC-Stereo	1.76 432	2.96 443	1.37 440	2.14 432	1.37 455	2.14 463	1.36 451	2.14 458	1.37 457	2.14 464	1.37 455	2.14 460	1.37 448	2.14 461	1.37 455	1.97 449	1.32 424	1.97 469	1.32 449	1.98 443	1.33 453

sAnonymous2	3.31 501	2.63 422	1.38 442	3.71 489	1.86 483	4.70 525	1.11 383	4.82 527	2.72 505	5.45 532	1.98 498	4.59 517	2.64 494	2.65 482	6.21 537	4.37 500	1.08 359	5.16 531	2.24 501	4.52 498	2.39 503

CroCo_RVC	3.31 501	2.63 422	1.38 442	3.71 489	1.86 483	4.70 525	1.11 383	4.82 527	2.72 505	5.45 532	1.98 498	4.59 517	2.64 494	2.65 482	6.21 537	4.37 500	1.08 359	5.16 531	2.24 501	4.52 498	2.39 503

DEFOM-Stereo	0.68 294	3.11 446	1.40 444	1.63 418	0.25 201	0.31 192	0.25 193	0.31 187	0.28 213	0.31 188	0.29 221	0.29 191	0.27 212	0.31 198	0.28 207	1.59 433	1.47 445	0.30 193	0.29 226	0.30 181	0.28 210

4w-stereo	2.02 452	2.72 431	1.44 445	3.36 476	1.59 465	2.48 476	1.72 474	2.28 462	1.24 446	2.24 468	1.65 473	2.56 478	1.32 443	2.39 470	1.98 494	2.67 487	1.51 447	1.66 454	1.24 443	2.53 474	1.88 493

RASNet	1.49 425	1.65 357	1.45 446	1.38 408	1.43 459	1.47 443	1.36 451	1.38 432	1.36 456	1.39 434	1.60 468	1.45 441	1.45 452	1.51 440	2.21 498	1.53 432	1.36 438	1.36 446	1.36 452	1.66 432	1.36 457

4.25w-stereo	1.98 439	2.72 431	1.46 447	3.47 480	1.43 459	2.07 461	1.98 488	2.53 479	1.52 463	2.71 485	1.98 498	1.81 447	1.62 456	1.96 454	1.36 454	1.88 445	2.00 476	2.53 493	1.61 472	1.74 436	1.15 389

ml1-stereo	2.04 458	2.20 394	1.48 448	3.03 460	2.17 501	2.63 486	1.39 457	1.96 446	1.95 494	1.96 449	1.37 455	2.71 486	1.96 480	2.71 485	1.73 478	2.26 462	1.32 424	1.87 462	1.87 490	2.51 469	1.63 474

3.25w	2.04 458	2.20 394	1.48 448	3.03 460	2.17 501	2.63 486	1.39 457	1.96 446	1.95 494	1.96 449	1.37 455	2.71 486	1.96 480	2.71 485	1.73 478	2.26 462	1.32 424	1.87 462	1.87 490	2.51 469	1.63 474

gwcnet-sp	0.82 326	1.72 359	1.48 448	0.39 190	0.15 158	0.31 192	0.21 173	0.20 149	0.25 192	1.61 440	0.23 189	0.28 186	0.26 204	0.20 149	0.15 151	0.24 171	1.33 432	0.32 198	0.16 155	6.75 527	0.23 172

scenet	0.82 326	1.72 359	1.48 448	0.39 190	0.15 158	0.31 192	0.21 173	0.20 149	0.25 192	1.61 440	0.23 189	0.28 186	0.26 204	0.20 149	0.15 151	0.24 171	1.33 432	0.32 198	0.16 155	6.75 527	0.23 172

ssnet	0.82 326	1.72 359	1.48 448	0.39 190	0.15 158	0.31 192	0.21 173	0.20 149	0.25 192	1.61 440	0.23 189	0.28 186	0.26 204	0.20 149	0.15 151	0.24 171	1.33 432	0.32 198	0.16 155	6.75 527	0.23 172

MM-Stereo_test1	1.80 435	3.41 453	1.52 453	2.12 431	1.41 458	2.04 459	1.41 460	2.05 453	1.46 462	2.04 459	1.41 460	2.05 459	1.42 451	2.05 457	1.43 459	2.04 453	1.54 452	1.94 468	1.38 455	1.99 444	1.33 453

asd	2.18 466	2.77 438	1.58 454	3.59 485	2.00 490	2.58 485	1.85 480	2.39 472	1.71 470	2.47 478	1.97 492	2.59 480	1.61 455	2.56 477	1.79 481	2.51 482	1.99 475	2.11 475	1.62 474	2.36 458	1.60 470

qwe	2.18 466	2.60 421	1.58 454	3.83 492	1.90 488	2.53 481	1.90 486	2.48 475	1.73 475	2.37 475	1.92 488	2.53 474	1.68 458	2.56 477	1.83 482	2.52 484	1.87 474	2.07 471	1.68 480	2.32 456	1.71 479

LL-Strereo	1.01 358	5.06 483	1.63 456	0.70 286	1.43 459	0.56 314	0.46 298	0.57 305	0.50 315	0.57 314	0.50 322	1.58 443	0.49 312	0.59 318	0.50 314	1.64 436	0.52 296	0.51 315	1.37 453	0.52 290	0.45 292

HBP-ISP	1.24 417	1.72 359	1.65 457	1.15 341	0.76 364	1.40 440	0.88 363	1.67 440	1.02 386	1.69 444	1.38 458	1.69 446	1.21 433	1.87 451	1.21 440	1.05 353	0.79 334	0.97 370	0.80 364	1.19 367	0.75 351

Anonymous3	2.55 490	3.26 451	1.65 457	3.28 469	1.63 468	3.24 501	1.68 471	3.27 499	1.66 465	3.28 500	1.67 474	3.25 500	1.66 457	3.27 499	1.64 465	3.26 494	1.65 462	3.30 499	1.65 476	4.95 516	1.65 478

3w_stereo	2.04 458	2.24 399	1.70 459	3.15 464	2.18 504	2.49 477	1.26 444	2.03 452	1.98 496	1.98 453	1.33 450	2.72 491	1.99 484	2.59 479	1.72 473	2.22 461	1.33 432	1.85 459	1.88 496	2.50 468	1.58 468

DPSMNet_ROB	1.60 428	1.59 356	1.70 459	1.59 413	1.59 465	1.61 445	1.61 468	1.60 435	1.60 464	1.62 443	1.59 467	1.60 444	1.60 454	1.60 441	1.59 463	1.59 433	1.60 459	1.59 452	1.59 470	1.59 428	1.59 469

MFMNet_re	1.81 436	1.91 374	1.71 461	1.95 426	1.70 475	1.95 455	1.70 473	1.96 446	1.74 477	1.97 452	1.72 476	1.95 451	1.71 461	1.97 455	1.71 471	1.86 441	1.62 460	1.85 459	1.66 477	1.86 440	1.64 476

RAFT_CTSACE	1.92 438	3.71 460	1.72 462	1.88 422	1.72 476	2.04 459	1.42 462	2.18 461	1.89 491	2.02 457	1.97 492	1.95 451	2.06 488	1.93 453	1.62 464	1.76 438	1.66 463	2.02 470	1.73 486	1.73 435	1.43 462

UDGNet	2.23 476	5.40 493	1.72 462	2.48 447	1.69 472	2.51 480	1.69 472	2.51 478	1.72 474	2.50 480	1.69 475	2.52 473	1.69 460	2.50 475	1.68 469	2.41 476	1.70 465	2.42 487	1.69 482	2.42 460	1.64 476

FBW_ROB	2.12 464	2.46 417	1.77 464	2.49 448	1.79 479	2.38 471	1.83 476	2.46 474	1.78 479	2.48 479	1.97 492	2.40 470	1.78 468	2.42 473	1.83 482	2.31 470	1.85 473	2.38 485	1.82 488	2.35 457	1.84 485

asda	2.17 465	2.54 418	1.81 465	3.47 480	1.78 478	2.50 479	1.86 481	2.61 481	1.68 466	2.61 483	1.83 478	2.37 469	1.73 463	2.44 474	1.88 489	2.51 482	1.84 472	2.34 482	1.62 474	2.23 450	1.77 484

4.5w-stereo	1.99 440	2.33 405	1.81 465	3.28 469	1.68 471	1.94 452	1.99 491	2.72 482	1.70 469	2.72 486	1.99 501	1.97 453	1.68 458	1.76 445	1.29 449	1.91 447	2.02 482	2.53 493	1.61 472	1.75 437	1.16 392

2.75w_new	1.99 440	2.34 409	1.81 465	3.14 463	1.62 467	1.94 452	1.99 491	2.72 482	1.71 470	2.72 486	1.99 501	1.90 449	1.73 463	1.82 450	1.29 449	2.37 473	2.01 478	2.31 480	1.42 459	1.77 438	1.22 444

2w_stereo	1.99 440	2.36 412	1.81 465	3.24 467	1.67 470	1.94 452	1.98 488	2.72 482	1.68 466	2.72 486	1.94 489	1.98 454	1.74 465	1.79 448	1.27 446	1.95 448	2.00 476	2.53 493	1.60 471	1.68 433	1.15 389

U	5.15 534	8.49 515	1.81 465	8.49 531	1.77 477	8.49 542	1.77 475	8.51 542	1.77 478	8.49 542	1.77 477	8.50 542	1.78 468	8.58 542	1.77 480	8.54 540	1.78 469	8.55 542	1.78 487	8.55 536	1.84 485

4.25_new	2.00 444	2.33 405	1.82 470	3.32 472	1.69 472	1.95 455	1.99 491	2.72 482	1.71 470	2.72 486	1.97 492	2.01 456	1.74 465	1.77 446	1.28 447	2.18 457	2.01 478	2.48 491	1.58 468	1.65 430	1.17 393

4.5w_new	2.00 444	2.33 405	1.82 470	3.32 472	1.69 472	1.95 455	1.99 491	2.72 482	1.71 470	2.72 486	1.97 492	2.01 456	1.74 465	1.77 446	1.28 447	2.18 457	2.01 478	2.48 491	1.58 468	1.65 430	1.17 393

IGEV	2.02 452	2.20 394	1.82 470	2.90 458	2.16 499	2.41 473	1.25 442	2.00 450	1.98 496	1.99 454	1.31 449	2.72 491	1.93 477	2.67 484	1.69 470	2.26 462	1.32 424	1.83 458	1.87 490	2.53 474	1.61 472

3.75w	1.99 440	2.31 403	1.83 473	3.16 465	1.65 469	1.93 451	1.98 488	2.72 482	1.68 466	2.73 491	1.97 492	2.00 455	1.72 462	1.81 449	1.25 445	2.27 466	2.01 478	2.38 485	1.42 459	1.71 434	1.24 447

IGEVStereo-DCA	1.77 433	4.21 473	1.84 474	2.49 448	2.11 497	2.54 483	1.36 451	1.65 438	1.17 395	2.75 492	1.90 486	2.54 476	1.15 380	0.94 359	1.11 384	1.50 429	1.32 424	0.96 368	1.46 462	1.49 425	0.88 361

rrr	1.77 433	4.21 473	1.84 474	2.49 448	2.11 497	2.54 483	1.36 451	1.65 438	1.17 395	2.75 492	1.90 486	2.54 476	1.15 380	0.94 359	1.11 384	1.50 429	1.32 424	0.96 368	1.46 462	1.49 425	0.88 361

test-3	0.98 352	4.13 471	1.85 476	1.85 421	0.61 342	0.69 331	0.37 262	0.63 316	0.61 332	0.66 328	0.51 328	0.73 339	0.44 293	0.57 316	0.54 324	1.68 437	1.81 471	0.40 256	0.43 304	0.66 303	0.50 310

TRStereo	2.00 444	2.13 388	1.85 476	2.27 438	1.84 480	2.28 467	1.84 477	2.29 464	1.86 485	2.30 470	1.87 481	2.30 462	1.87 471	2.08 458	1.72 473	2.08 454	1.72 466	2.08 472	1.72 483	2.08 445	1.72 480

XX-Stereo	2.00 444	2.13 388	1.85 476	2.27 438	1.84 480	2.28 467	1.84 477	2.29 464	1.86 485	2.30 470	1.87 481	2.30 462	1.87 471	2.08 458	1.72 473	2.08 454	1.72 466	2.08 472	1.72 483	2.08 445	1.72 480

EAI-Stereo	2.00 444	2.13 388	1.85 476	2.27 438	1.84 480	2.28 467	1.84 477	2.29 464	1.86 485	2.30 470	1.87 481	2.30 462	1.87 471	2.08 458	1.72 473	2.08 454	1.72 466	2.08 472	1.72 483	2.08 445	1.72 480

AIO_rvc	2.18 466	2.34 409	1.87 480	2.32 442	1.94 489	2.40 472	1.89 485	2.37 470	2.07 501	2.52 481	1.95 491	2.44 472	1.99 484	2.41 471	1.89 490	2.32 471	2.09 484	2.24 476	2.18 499	2.21 449	2.23 497

LG-G_1	2.22 473	2.71 429	1.89 481	2.77 453	1.87 486	2.75 494	1.87 483	2.76 490	1.87 489	2.75 492	1.87 481	2.76 494	1.87 471	2.75 493	1.86 485	2.47 479	1.58 455	2.45 488	1.57 465	2.45 462	1.57 466

LG-G	2.22 473	2.71 429	1.89 481	2.77 453	1.87 486	2.75 494	1.87 483	2.76 490	1.87 489	2.75 492	1.87 481	2.76 494	1.87 471	2.75 493	1.86 485	2.47 479	1.58 455	2.45 488	1.57 465	2.45 462	1.57 466

LGtest1	2.22 473	2.70 427	1.89 481	2.76 452	1.86 483	2.75 494	1.86 481	2.75 489	1.86 485	2.75 492	1.86 480	2.77 496	1.87 471	2.75 493	1.86 485	2.46 478	1.58 455	2.45 488	1.56 464	2.45 462	1.56 465

sCroCo_RVC	2.10 462	2.76 436	1.92 484	2.78 456	1.39 457	2.73 492	1.41 460	2.73 488	1.40 459	2.77 497	1.41 460	2.74 493	1.40 450	2.74 492	1.40 457	2.72 490	1.42 442	2.72 496	1.44 461	2.79 482	1.42 461

monsterstereo	2.20 472	2.33 405	1.95 485	3.65 487	2.07 496	2.49 477	1.61 468	2.48 475	1.83 483	2.45 477	1.61 471	2.67 485	1.86 470	2.64 481	1.94 491	2.48 481	1.66 463	2.34 482	1.68 480	2.40 459	1.86 487

monsters	2.18 466	2.41 415	1.96 486	3.47 480	2.03 495	2.53 481	1.64 470	2.48 475	1.73 475	2.40 476	1.50 463	2.62 481	1.94 478	2.59 479	1.94 491	2.44 477	1.57 454	2.28 478	1.87 490	2.42 460	1.86 487

2.25w	2.00 444	1.86 369	1.98 487	2.95 459	2.17 501	2.26 464	1.35 449	2.42 473	2.00 499	2.07 463	1.27 446	2.53 474	1.99 484	2.29 466	1.49 461	2.21 460	1.32 424	1.85 459	1.87 490	2.52 471	1.62 473

4.5_new	2.00 444	1.84 366	1.98 487	2.77 453	2.16 499	2.27 465	1.28 446	2.09 454	1.98 496	2.01 456	1.28 447	2.71 486	1.98 482	2.51 476	1.65 466	2.26 462	1.33 432	1.87 462	1.87 490	2.49 466	1.60 470

DEFOM-Stereo_RVC	0.83 329	5.18 485	1.98 487	2.19 433	0.17 168	0.19 147	0.18 161	0.19 144	0.16 159	0.20 148	0.19 176	0.22 162	0.22 183	0.20 149	0.15 151	2.28 467	2.13 486	0.24 176	0.17 173	0.18 145	0.16 146

HUF	2.18 466	2.30 402	1.99 490	2.34 443	2.02 494	2.41 473	2.06 495	2.38 471	1.89 491	2.36 474	1.85 479	2.56 478	1.98 482	2.31 468	1.97 493	2.30 469	2.03 483	2.30 479	2.11 498	2.23 450	2.16 495

AIO_test	2.18 466	2.09 386	2.04 491	2.42 445	2.01 491	2.47 475	1.94 487	2.34 469	2.03 500	2.56 482	1.94 489	2.43 471	1.94 478	2.41 471	1.87 488	2.39 475	2.10 485	2.35 484	1.91 497	2.25 452	2.19 496

IER	0.88 336	7.04 504	2.23 492	2.75 451	0.28 214	0.43 266	0.25 193	0.39 217	0.25 192	0.41 236	0.27 211	0.39 225	0.25 195	0.40 232	0.28 207	0.37 218	0.28 191	0.37 234	0.25 200	0.37 217	0.25 183

NCCL2	2.28 478	2.27 400	2.28 493	2.28 441	2.28 505	2.27 465	2.29 499	2.28 462	2.28 502	2.27 469	2.28 504	2.28 461	2.27 492	2.27 465	2.28 503	2.28 467	2.28 490	2.27 477	2.29 503	2.27 453	2.29 498

iRaftStereo_RVC	0.97 350	3.17 449	2.30 494	2.42 445	0.38 276	0.54 312	0.38 268	0.54 300	0.38 268	0.54 307	0.38 274	0.54 310	0.38 266	0.54 308	0.38 268	2.38 474	2.34 491	0.49 306	0.36 271	0.49 277	0.36 254

error version	0.93 346	4.47 476	2.35 495	1.99 429	0.37 269	0.41 244	0.36 257	0.41 237	0.35 253	0.43 254	0.36 263	0.41 244	0.40 272	0.41 246	0.36 257	1.87 442	2.16 487	0.47 294	0.37 273	0.39 233	0.33 241

test_1	0.93 346	4.47 476	2.35 495	1.99 429	0.37 269	0.41 244	0.36 257	0.41 237	0.35 253	0.43 254	0.36 263	0.41 244	0.40 272	0.41 246	0.36 257	1.87 442	2.16 487	0.47 294	0.37 273	0.39 233	0.33 241

STTStereo	3.73 504	30.40 552	2.37 497	2.39 444	2.31 507	2.35 470	2.33 500	2.29 464	2.42 503	2.32 473	2.34 505	2.33 465	2.36 493	2.30 467	2.27 502	2.35 472	2.22 489	2.31 480	2.22 500	2.29 455	2.34 502

SuperB	0.21 141	0.10 66	2.51 498	0.12 79	0.09 106	0.10 102	0.09 104	0.08 101	0.07 103	0.10 102	0.09 106	0.09 102	0.07 104	0.07 96	0.07 94	0.07 58	0.08 59	0.07 93	0.07 98	0.08 100	0.07 98

NLCA_NET_v2_RVC	5.04 532	50.87 562	2.78 499	2.87 457	2.71 508	2.78 497	0.47 303	2.88 495	2.86 507	1.89 447	2.67 506	2.79 497	2.79 497	2.78 496	2.83 504	2.82 491	2.82 493	2.83 497	2.77 506	2.83 483	2.76 506
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
HCRNet	1.22 416	7.11 505	3.00 500	3.55 484	0.33 247	0.29 188	0.14 142	0.19 144	0.15 157	0.33 198	0.29 221	0.25 175	0.14 148	0.22 163	0.33 237	3.64 497	3.00 494	0.76 344	0.32 247	0.18 145	0.13 140

rvit_105_1	3.83 505	5.22 486	3.01 501	4.53 496	3.01 510	4.51 513	3.01 507	4.56 514	3.04 508	4.53 513	3.03 509	4.55 515	3.03 498	4.56 514	3.04 505	4.57 506	3.05 495	4.57 512	3.05 510	4.57 500	3.05 509

rvit_stereo_0081	3.83 505	5.23 487	3.01 501	4.53 496	3.03 512	4.55 519	3.02 508	4.56 514	3.04 508	4.52 511	3.02 507	4.54 513	3.03 498	4.56 514	3.04 505	4.57 506	3.05 495	4.57 512	3.05 510	4.58 501	3.05 509

rvit_stereo_0082	3.86 507	5.82 501	3.01 501	4.53 496	3.03 512	4.54 515	3.02 508	4.56 514	3.04 508	4.53 513	3.02 507	4.55 515	3.04 501	4.57 517	3.05 507	4.57 506	3.05 495	4.58 514	3.05 510	4.58 501	3.06 512

rvit_0105_4	3.91 512	5.47 497	3.02 504	4.54 499	3.02 511	4.54 515	3.03 512	4.75 524	3.17 519	4.57 517	3.06 512	4.61 521	3.16 509	4.65 521	3.09 513	4.66 513	3.11 502	4.68 521	3.18 520	4.81 511	3.16 519

rvit_stereo_0081_aga	3.86 507	5.33 490	3.02 504	4.55 502	3.04 516	4.54 515	3.02 508	4.64 521	3.06 512	4.54 515	3.04 511	4.62 522	3.08 505	4.62 520	3.07 510	4.58 509	3.06 499	4.60 516	3.08 514	4.63 504	3.07 513

rvit_stereo_0080	3.89 510	5.70 498	3.04 506	4.54 499	3.03 512	4.56 520	3.05 514	4.60 518	3.07 513	4.58 518	3.06 512	4.59 517	3.06 503	4.61 518	3.08 511	4.63 511	3.09 500	4.64 518	3.10 515	4.65 505	3.10 514

whm_eth	3.89 510	5.70 498	3.04 506	4.54 499	3.03 512	4.56 520	3.05 514	4.60 518	3.07 513	4.58 518	3.06 512	4.59 517	3.06 503	4.61 518	3.08 511	4.63 511	3.09 500	4.64 518	3.10 515	4.65 505	3.10 514

rvit_stereo_ft	3.93 515	5.44 495	3.05 508	4.59 503	3.06 517	4.61 523	3.08 517	4.67 523	3.12 518	4.63 522	3.10 517	4.65 524	3.11 507	4.69 524	3.13 515	4.70 514	3.14 504	4.71 523	3.15 519	4.74 508	3.16 519

rvit_0105_3	3.91 512	5.33 490	3.06 509	4.60 504	3.07 518	4.60 522	3.06 516	4.62 520	3.08 516	4.60 520	3.07 515	4.62 522	3.08 505	4.67 522	3.10 514	4.70 514	3.11 502	4.77 525	3.19 521	4.77 510	3.14 518

rvit_stereo_0083	3.92 514	5.30 489	3.06 509	4.61 505	3.09 519	4.67 524	3.08 517	4.66 522	3.09 517	4.62 521	3.10 517	4.66 525	3.11 507	4.67 522	3.16 516	4.72 516	3.16 505	4.77 525	3.11 517	4.66 507	3.11 516

rvit_0105_6	3.87 509	5.73 500	3.10 511	4.69 506	3.12 520	4.54 515	3.02 508	4.56 514	3.04 508	4.54 515	3.03 509	4.54 513	3.04 501	4.56 514	3.05 507	4.58 509	3.05 495	4.58 514	3.05 510	4.58 501	3.05 509

AEACV	1.12 366	0.52 198	3.12 512	3.24 467	0.86 371	0.53 309	0.49 314	0.60 312	0.47 303	0.53 304	0.49 320	0.55 314	0.45 295	0.55 311	0.47 305	3.01 492	3.88 513	0.71 339	0.60 336	0.80 323	0.48 302

DispFullNet	4.61 525	4.84 479	3.12 512	5.00 511	3.57 525	4.75 528	3.03 512	7.75 540	4.17 532	4.91 527	3.09 516	6.20 536	3.95 521	6.71 536	3.51 519	5.30 524	3.67 512	5.86 537	3.63 524	5.61 522	3.46 523

rvit_0105_5	4.10 516	5.40 493	3.13 514	4.71 507	3.15 521	4.72 527	3.10 519	4.90 529	3.27 520	4.69 523	3.16 519	4.84 529	3.25 510	4.96 528	3.34 518	5.05 521	3.39 510	5.10 530	3.40 522	5.11 518	3.42 522

hknet	1.10 363	1.85 367	3.49 515	4.48 493	0.02 21	0.42 262	0.06 99	0.41 237	0.02 21	0.48 276	0.03 52	0.41 244	0.03 52	0.42 259	0.03 48	4.39 502	4.19 516	0.33 206	0.23 187	0.34 196	0.27 197

PDISCO_ROB	0.83 329	2.80 441	3.49 515	0.14 96	0.11 127	0.17 141	0.09 104	0.15 131	0.10 109	0.15 124	0.12 134	0.16 130	0.14 148	3.30 500	0.13 137	0.14 114	2.34 491	0.16 136	0.12 139	2.62 481	0.10 107

MLG-Stereo_test1	4.25 517	5.34 492	3.61 517	5.31 513	3.63 527	5.23 531	3.57 524	5.38 532	3.65 522	5.23 529	3.47 521	4.76 526	3.74 517	4.85 525	3.71 522	4.96 518	3.18 507	4.71 523	2.92 507	4.86 514	2.90 507

DPSNet	3.66 503	3.60 456	3.62 518	3.63 486	3.64 528	3.65 505	3.65 526	3.66 504	3.67 523	3.67 503	3.65 524	3.67 504	3.66 514	3.66 503	3.68 521	3.68 498	3.66 511	3.67 504	3.68 527	3.67 486	3.67 525

MLG-Stereo_test2	4.28 519	5.46 496	3.69 519	4.86 509	3.72 529	5.58 534	3.42 522	4.81 526	3.77 528	4.85 525	3.72 526	5.55 534	3.63 513	5.58 532	3.53 520	4.41 503	3.28 509	4.99 529	2.95 508	4.75 509	3.13 517

Occ-G	1.12 366	0.52 198	3.72 520	3.50 483	0.50 323	0.56 314	0.47 303	0.54 300	0.46 298	0.54 307	0.41 287	0.54 310	0.42 289	0.52 305	0.42 291	3.42 496	4.02 515	0.52 318	0.45 306	0.51 288	0.44 290

MLG-Stereo_test3	4.26 518	4.85 480	3.95 521	5.35 514	3.60 526	4.75 528	3.76 527	5.49 533	3.71 524	5.39 530	3.69 525	4.82 528	3.66 514	4.85 525	3.73 525	4.93 517	3.19 508	4.69 522	2.99 509	4.84 513	2.98 508

SGM-Forest	5.21 535	5.92 502	4.08 522	6.18 520	4.16 534	6.31 536	4.34 534	6.50 535	4.33 533	6.14 536	4.21 532	6.61 539	4.55 527	6.67 535	4.48 532	5.94 528	3.94 514	5.85 536	4.03 533	5.79 524	4.17 533
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FC-DCNN v2	5.10 533	5.15 484	4.49 523	5.07 512	3.37 523	6.87 537	4.75 535	5.04 530	6.34 539	7.84 540	5.06 536	6.72 540	4.09 524	4.99 529	5.44 536	5.03 520	3.16 505	4.67 520	4.86 536	5.15 519	3.89 530

TestStereo	4.88 529	4.75 478	4.79 524	4.87 510	4.92 537	4.81 530	4.90 536	4.78 525	4.77 535	4.87 526	4.89 535	4.90 530	4.91 528	4.99 529	4.79 533	4.98 519	4.87 520	4.87 528	4.92 537	5.00 517	5.00 535

RAFT+CT+SA	4.28 519	7.62 509	4.91 525	5.55 516	2.28 505	3.09 498	3.64 525	4.49 512	3.07 513	4.80 524	3.35 520	4.77 527	3.70 516	4.29 511	3.05 507	5.58 525	5.98 526	3.58 503	3.78 529	4.26 494	3.72 526

AANet_RVC	1.26 418	0.31 128	4.99 526	5.93 518	0.20 181	0.25 175	0.20 168	0.25 172	0.20 174	0.23 163	0.19 176	0.25 175	0.20 178	0.25 176	0.20 175	5.66 526	4.76 519	0.26 180	0.30 236	0.24 167	0.27 197

rvit_stereo_0075_2	6.64 537	8.80 517	5.25 527	7.89 528	5.27 539	7.90 541	5.27 537	7.92 541	5.28 537	7.91 541	5.29 538	7.93 541	5.27 529	7.92 541	5.28 534	7.93 537	5.28 522	7.93 540	5.29 539	7.93 533	5.28 537

DISCO	1.11 365	0.39 146	5.28 528	0.39 190	0.20 181	0.39 226	0.27 204	0.39 217	0.22 179	0.38 213	0.20 180	0.38 221	0.20 178	6.95 539	0.22 179	0.30 191	0.21 167	0.27 184	0.21 179	5.25 520	0.21 167

SGM+DAISY	7.06 539	9.15 519	5.38 529	8.84 533	5.18 538	8.80 543	5.31 538	8.79 543	5.28 537	8.89 543	5.20 537	8.93 543	5.33 530	8.95 543	5.36 535	8.70 541	5.21 521	8.74 543	5.20 538	8.89 537	5.15 536

raft_robust	4.71 527	7.75 510	5.40 530	6.81 523	3.31 522	4.28 512	4.20 533	4.32 511	4.37 534	4.35 510	4.35 533	4.14 509	3.75 518	4.30 512	4.20 531	6.67 532	6.37 527	3.36 501	4.24 535	4.86 514	3.25 521

test_5	4.62 526	7.55 508	6.23 531	6.32 521	3.40 524	5.29 532	3.50 523	3.53 503	4.11 531	4.28 508	4.47 534	4.26 511	4.38 526	3.68 504	3.24 517	5.89 527	5.60 523	4.84 527	3.50 523	4.33 495	3.93 532

cross-raft	4.83 528	7.52 507	6.43 532	6.63 522	3.96 532	4.51 513	3.99 531	4.49 512	3.96 530	4.52 511	3.96 529	4.50 512	3.97 522	4.50 513	3.97 527	6.65 531	6.44 528	4.33 509	3.92 531	4.35 496	3.91 531

TestStereo1	4.60 523	8.41 513	6.44 533	6.86 524	3.79 530	3.97 508	3.78 528	3.99 508	3.74 525	3.97 505	3.52 522	3.94 507	3.58 511	3.98 507	3.72 523	6.82 533	6.50 529	3.76 506	3.66 525	3.90 489	3.74 528

SA-5K	4.60 523	8.41 513	6.44 533	6.86 524	3.79 530	3.97 508	3.78 528	3.99 508	3.74 525	3.97 505	3.52 522	3.94 507	3.58 511	3.98 507	3.72 523	6.82 533	6.50 529	3.76 506	3.66 525	3.90 489	3.74 528

Sa-1000	4.34 522	8.37 512	6.84 535	6.98 526	4.45 536	3.58 503	3.00 506	3.42 502	3.39 521	2.61 483	4.00 530	3.83 506	4.01 523	3.90 506	3.90 526	5.98 529	5.62 524	3.76 506	2.34 504	4.35 496	2.47 505

SA	4.33 521	7.35 506	6.85 536	5.96 519	4.09 533	3.59 504	3.15 520	3.82 506	2.64 504	3.91 504	3.85 527	3.57 502	2.72 496	3.13 498	4.03 528	7.09 536	6.86 531	3.57 502	3.12 518	3.85 488	3.51 524

test_4	4.88 529	8.13 511	6.98 537	7.46 527	4.44 535	4.25 511	3.85 530	4.04 510	3.92 529	4.13 507	3.91 528	4.18 510	3.84 519	4.14 509	4.06 529	7.01 535	7.13 532	4.53 510	3.72 528	4.09 492	3.72 526

RAFT	6.73 538	9.36 521	7.40 538	8.51 532	6.55 541	6.88 538	6.60 540	6.79 536	6.60 540	6.80 537	6.72 542	5.31 533	5.50 531	6.61 534	6.61 540	8.42 539	5.89 525	5.73 534	5.45 541	6.61 526	6.24 539

test_3	5.01 531	8.86 518	7.77 539	8.09 529	2.76 509	4.13 510	4.05 532	3.88 507	3.76 527	4.33 509	4.13 531	3.71 505	3.91 520	4.21 510	4.06 529	7.93 537	7.69 534	4.53 510	3.91 530	4.17 493	4.29 534

test-v	7.53 540	11.89 529	7.98 540	9.36 535	7.14 542	7.06 539	7.09 541	7.37 538	6.91 541	7.29 538	5.71 539	6.45 537	6.93 534	6.73 537	7.27 541	8.93 542	7.85 535	6.98 538	6.80 542	7.56 531	7.34 541

test-2	7.53 540	11.89 529	7.98 540	9.36 535	7.14 542	7.06 539	7.09 541	7.37 538	6.91 541	7.29 538	5.71 539	6.45 537	6.93 534	6.73 537	7.27 541	8.93 542	7.85 535	6.98 538	6.80 542	7.56 531	7.34 541

test-1	6.46 536	9.16 520	8.03 542	8.09 529	5.62 540	6.11 535	6.35 539	6.85 537	4.94 536	6.08 535	6.29 541	4.98 531	6.43 533	6.22 533	6.36 539	6.16 530	7.47 533	5.82 535	5.44 540	7.11 530	5.68 538

MANE	19.05 543	23.00 537	15.00 543	23.00 550	15.00 544	24.00 550	16.00 543	24.00 550	16.00 543	22.00 550	15.00 543	23.00 550	16.00 543	23.00 550	15.00 543	22.00 550	15.00 544	22.00 550	15.00 544	22.00 550	15.00 543

rafts_anoy	20.00 544	20.00 531	20.00 544	20.00 544	20.00 545	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 545	20.00 544	20.00 545	20.00 544	20.00 544

raft+_RVC	20.00 544	20.00 531	20.00 544	20.00 544	20.00 545	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 545	20.00 544	20.00 545	20.00 544	20.00 544

raftrobust	20.00 544	20.00 531	20.00 544	20.00 544	20.00 545	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 545	20.00 544	20.00 545	20.00 544	20.00 544

CasAABBNet	20.00 544	20.00 531	20.00 544	20.00 544	20.00 545	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 545	20.00 544	20.00 545	20.00 544	20.00 544

RALCasStereoNet	20.00 544	20.00 531	20.00 544	20.00 544	20.00 545	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 545	20.00 544	20.00 545	20.00 544	20.00 544

RALAANet	20.00 544	20.00 531	20.00 544	20.00 544	20.00 545	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 544	20.00 545	20.00 544	20.00 545	20.00 544	20.00 544

WCMA_ROB	31.10 551	35.43 557	27.12 550	39.51 562	23.10 551	38.78 562	25.30 550	37.49 562	25.39 550	37.29 561	27.02 550	38.52 562	26.48 550	37.80 561	26.44 550	36.28 558	22.65 551	33.90 555	22.30 551	37.10 559	24.18 550

fff	1000028.16 570	29.62 549	29.72 551	32.61 551	30.02 552	35.13 553	31.83 552	32.07 552	10000000.00 570	35.27 554	29.82 552	32.45 552	30.15 551	32.35 552	30.09 551	31.04 552	29.55 553	30.64 552	30.14 552	10000000.00 571	30.77 552

tt	500032.53 568	34.60 555	29.72 551	37.47 560	34.41 557	36.85 557	35.22 556	34.71 555	33.55 553	34.50 552	35.43 555	33.81 555	10000000.00 571	33.57 555	33.13 555	33.68 555	35.00 557	34.03 556	35.26 558	30.96 552	34.63 556

DCANet	500032.53 568	34.60 555	29.72 551	37.47 560	34.41 557	36.85 557	35.22 556	34.71 555	33.55 553	34.50 552	35.43 555	33.81 555	10000000.00 571	33.57 555	33.13 555	33.68 555	35.00 557	34.03 556	35.26 558	30.96 552	34.63 556

csc	1000028.16 570	29.62 549	29.72 551	32.61 551	30.02 552	35.13 553	31.83 552	32.07 552	10000000.00 570	35.27 554	29.82 552	32.45 552	30.15 551	32.35 552	30.09 551	31.04 552	29.55 553	30.64 552	30.14 552	10000000.00 571	30.77 552

cscssc	1000028.16 570	29.62 549	29.72 551	32.61 551	30.02 552	35.13 553	31.83 552	32.07 552	10000000.00 570	35.27 554	29.82 552	32.45 552	30.15 551	32.35 552	30.09 551	31.04 552	29.55 553	30.64 552	30.14 552	10000000.00 571	30.77 552

111	30.40 550	30.94 553	29.72 551	32.61 551	30.02 552	33.57 551	30.47 551	31.50 551	29.39 551	30.98 551	29.11 551	29.78 551	30.39 554	29.45 551	30.76 554	30.08 551	29.02 552	29.92 551	30.32 555	29.86 551	30.17 551

DCANet-4	35.22 552	34.54 554	35.08 557	33.58 555	35.47 559	34.55 552	35.53 558	36.08 557	35.85 555	35.92 557	35.77 557	35.18 557	35.48 556	35.39 557	37.15 560	34.55 557	33.92 556	35.02 558	34.90 557	35.79 555	34.74 558

Reg-Stereo(zero)	37.00 554	37.00 559	37.00 558	37.00 557	37.00 560	37.00 559	37.00 559	37.00 559	37.00 556	37.00 558	37.00 559	37.00 559	37.00 557	37.00 558	37.00 557	37.00 559	37.00 560	37.00 560	37.00 560	37.00 556	37.00 559

HI	37.00 554	37.00 559	37.00 558	37.00 557	37.00 560	37.00 559	37.00 559	37.00 559	37.00 556	37.00 558	37.00 559	37.00 559	37.00 557	37.00 558	37.00 557	37.00 559	37.00 560	37.00 560	37.00 560	37.00 556	37.00 559

CoSv	37.00 554	37.00 559	37.00 558	37.00 557	37.00 560	37.00 559	37.00 559	37.00 559	37.00 556	37.00 558	37.00 559	37.00 559	37.00 557	37.00 558	37.00 557	37.00 559	37.00 560	37.00 560	37.00 560	37.00 556	37.00 559

ADStereo(finetuned)	36.13 553	36.63 558	38.07 561	36.97 556	33.25 556	35.91 556	34.45 555	36.36 558	32.99 552	38.14 562	36.71 558	36.69 558	34.13 555	38.57 562	40.79 561	37.60 562	36.58 559	35.90 559	33.36 556	35.42 554	34.04 555

MDST_ROB	69.83 557	87.70 563	41.95 562	113.75 565	65.62 565	75.05 563	55.25 563	75.64 564	45.04 559	71.61 563	41.75 562	72.81 563	44.06 560	68.38 563	44.63 562	101.89 565	59.57 565	107.10 565	61.05 565	104.38 562	59.38 564

CBMV	128.50 559	1422.70 574	53.10 563	79.50 564	51.30 564	77.30 564	49.70 562	74.00 563	48.20 560	77.20 564	48.80 563	73.90 564	48.00 561	73.80 564	48.80 563	70.40 564	45.10 564	68.90 564	46.10 564	68.20 561	45.00 563
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
AE-Stereo	201.80 561	123.00 564	115.00 564	219.00 567	218.00 568	223.00 567	244.00 567	217.00 567	236.00 564	202.00 567	203.00 566	205.00 567	208.00 564	225.00 567	204.00 566	210.00 567	198.00 567	197.00 567	184.00 568	204.00 564	201.00 566

NOSS_ROB	102.95 558	153.00 567	121.00 565	51.00 563	44.00 563	165.00 566	127.00 564	153.00 565	119.00 561	164.00 566	125.00 564	168.00 566	120.00 562	153.00 565	117.00 564	49.00 563	44.00 563	49.00 563	44.00 563	49.00 560	44.00 562

MGS-Stereo	239.45 562	123.00 564	135.00 566	266.00 568	286.00 569	277.00 568	305.00 568	271.00 568	242.00 565	274.00 568	279.00 568	255.00 568	270.00 566	268.00 568	297.00 568	221.00 568	247.00 569	216.00 568	123.00 566	217.00 565	217.00 568

EGLCR-Stereo	246.90 563	129.00 566	139.00 567	266.00 568	286.00 569	277.00 568	305.00 568	271.00 568	242.00 565	274.00 568	279.00 568	255.00 568	270.00 566	268.00 568	297.00 568	230.00 569	247.00 569	216.00 568	223.00 570	237.00 566	227.00 569

MeshStereo	159.24 560	171.00 568	160.68 568	162.58 566	160.59 566	164.01 565	160.35 565	158.51 566	158.56 562	158.34 565	160.12 565	158.56 565	159.92 563	157.26 566	158.94 565	154.38 566	158.36 566	155.75 566	159.13 567	153.67 563	154.07 565
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
DLCB_ROB	284.23 564	354.61 570	207.27 569	363.24 570	206.46 567	364.72 570	210.41 566	364.72 570	210.41 563	364.81 570	208.64 567	364.81 570	208.64 565	364.72 570	210.41 567	354.70 570	205.53 568	354.70 570	205.53 569	354.70 567	205.53 567

LE_ROB	396.57 565	471.28 571	329.84 570	471.48 571	308.15 571	526.83 571	322.10 570	488.15 571	323.76 567	495.46 571	317.97 570	497.17 571	320.10 568	481.62 571	326.76 570	462.71 571	298.97 571	466.16 571	285.98 571	447.62 568	289.21 570

SGM-ForestM	596.69 566	677.77 572	444.52 571	699.85 572	517.25 572	732.94 572	488.29 571	770.79 572	460.11 568	750.81 572	487.98 571	792.79 572	499.41 569	730.90 572	475.81 571	720.03 572	491.16 572	663.96 572	418.60 572	674.76 569	436.05 571

CBMV_ROB	818.48 567	913.88 573	709.52 572	862.84 573	597.78 573	1073.99 573	700.52 572	1015.66 573	702.59 569	1115.65 573	760.02 572	1130.24 573	721.57 570	1037.41 573	692.65 572	814.05 573	564.29 573	843.28 573	595.31 573	915.51 570	602.92 572

111111	10000000.00 573	10000000.00 575	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 570	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 573

SGD-Stereo	10000000.00 573	10000000.00 575	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 570	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 573

IGEV-Stereo++	10000000.00 573	10000000.00 575	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 570	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 573

IGEV-BASED-STEREO-	10000000.00 573	10000000.00 575	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 570	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 573

IGEV-Stereo+	10000000.00 573	10000000.00 575	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 570	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 573

SDNR	10000000.00 573	10000000.00 575	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 570	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 573

anonymousdsp2	10000000.00 573	10000000.00 575	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 570	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 573

anonymousdsp	10000000.00 573	10000000.00 575	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 570	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 573

test_example2	10000000.00 573	10000000.00 575	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 570	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 573

DIP-Stereo	10000000.00 573	10000000.00 575	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 570	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 571	10000000.00 574	10000000.00 573	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 574	10000000.00 571	10000000.00 573
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ccccc		0.44 166		0.48 236	0.35 260	0.48 285		0.51 294		0.47 269		0.47 276		0.47 274		0.41 246	0.40 246	0.40 256	0.40 289	0.41 248

ASD4		0.20 99

Low-res two-view benchmark